## 분석 환경1. Ubuntu 23.042. NVIDA GeForce RTX 30903. CUDA Driver Version 12.23. Anaconda ## conda env installconda search "^python$"conda clean -iconda clean --allconda remove --name scbert --allconda create -n scbert python==3.7.12 pip -c conda-forgeconda activate scbert ## package installpip install pandaspip install scipypip install scikit-learnpip install einopspip install local_attentionpip i..

# conda install conda create -n cutadapt python==3.9.18 pip # conda cutadapt activate conda activate cutadapt # pip install cutadapt pip install cutadapt #Ubuntu, Devian 리눅스 설치 명령어 sudo apt install cutadapt

코로나 19 유전역학 확산 패턴을 확인 할 수 있도록 GISAID 에서 제공하는 데이터와 Auspice( Interactive exploration of phylodynamic & phylogenomic data) 를 이용하여 데이터 가시화 Auspice 를 설치하기 위해서는 Python 3.7 버전 이상의 환경이 필요 npm 설치가 되어있지 않으면 우선 아래 명령어를 이용해 npm 설치 rpm -qa | grep node yum remove -y nodejs npm #NodeJS 13.x # As root curl -sL https://rpm.nodesource.com/setup_13.x | bash - # No root privileges curl -sL https://rpm.nodesource.co..

SparkBLAST 는 Spark 2.0 에서 정상 실행되며, BLAST 버젼은 2.2.29 으로 실행 테스트하였다. SparkBLAST 소스 다운로드 $ git clone https://github.com/Ufscar-Fiocruz-Ifsul/spark-blast2.0.git 소스 패키징을 위하여 sbt 를 설치한다. 설치하는 운영환경은 centOS 7.3에서 아래와 같은 명령어로 설치 가능 curl https://bintray.com/sbt/rpm/rpm | sudo tee /etc/yum.repos.d/bintray-sbt-rpm.repo sudo yum install sbt /home/kogun82/spark-blast2.0 위치에서 아래의 명령어로 패키징 $ sbt package 패키징 이후 /..

1). pasta와 pastaspark 소스를 git으로 다운받는다. 명령어). git clone https://github.com/citiususc/pastaspark.git git clone https://github.com/smirarab/pasta.git 2). pasta 폴더에 있는 run_pasta_gui.py 파일을 pastaspark 폴더에 복사한다. 3). 다음의 명령어로 pastaspark를 설치한다. 명령어). python setup.py develop --user 4). 설치 후 사용자 계정에 .local 이라는 폴더가 생성되며, pastaspark에 필요한 라이브러리와 실행파일들이 생성된다. 5). 샘플 예제 파일 실행하기 명령어). spark-submit --master loca..

설치 방법 git clone https://github.com/citiususc/SparkBWA.git cd SparkBWA ~/SparkBWA/src/main/native/Makefile.common 파일 수정 CFLAGS = -g -Wall -Wno-unused-function -O2 -fPIC (변경 또는 추가) mvn package [실행 명령어] spark-submit --class SparkBWA --master yarn-client \ --conf "spark.executor.extraJavaOptions=-Djava.library.path=./bwa.zip" \ --conf "spark.yarn.executor.memoryOverhead=8704" \ --driver-memory 4G --..

Github 사이트에서 BigBWA 를 다운 받아 설치한다. (https://github.com/citiususc/BigBWA) 1). 애플리케이션 디렉토리로 이동하여 Makefile.common 수정한다. (중요: 컴파일시 -lz 옵션이 추가되지 않으면, gzlib 관련 에러 발생) -변경전 LIBBWA_LIBS = -lrt -변경후 LIBBWA_LIBS = -lrt -lz 2). 애플리케이션 디렉토리로 이동하여 build.sh 코드를 시스템 환경에 맞게 변경 후 실행한다. #!/bin/bash cd BigBWA-master make clean make cd .. bash scp.sh \ 'BigBWA-master/build/BigBWA.jar BigBWA-master/build/bwa.zip' \ /..

MapSplice 2 에서는 Bowtie Builder 로 생성된 레퍼런스 인덱스 파일을 사용한다. Bowtie 인덱스 파일을 이용하여 리드들을 Alignment 하는 분석 단계를 수행한다. python mapsplice.py [options]* \ -c \ -x \ -1 \ -2 명령어 예제). /usr/bin/python ~/MapSplice-v2.2.1/mapsplice.py -p 4 \ --qual-scale phred33 --bam --fusion \ -o /$output_path \ -c ~/hg19 \ -x ~/hg19/hg19 \ -1 ~/R1_001.fastq \ -2 ~/R2_001.fastq