班級人數--熱線:4008699035 手機:15921673576( 微信同號) |
增加互動環節,
保障培訓效果,堅持小班授課,每個班級的人數限3到5人,超過限定人數,安排到下一期進行學習。 |
授課地點及時間 |
上課地點:【上海】:同濟大學(滬西)/新城金郡商務樓(11號線白銀路站) 【深圳分部】:電影大廈(地鐵一號線大劇院站)/深圳大學成教院 【北京分部】:北京中山學院/福鑫大樓 【南京分部】:金港大廈(和燕路) 【武漢分部】:佳源大廈(高新二路) 【成都分部】:領館區1號(中和大道) 【廣州分部】:廣糧大廈 【西安分部】:協同大廈 【沈陽分部】:沈陽理工大學/六宅臻品 【鄭州分部】:鄭州大學/錦華大廈 【石家莊分部】:河北科技大學/瑞景大廈
開班時間(連續班/晚班/周末班):2020年3月16日 |
課時 |
◆資深工程師授課
☆注重質量
☆邊講邊練
☆若學員成績達到合格及以上水平,將獲得免費推薦工作的機會
★查看實驗設備詳情,請點擊此處★ |
質量以及保障 |
☆
1、如有部分內容理解不透或消化不好,可免費在以后培訓班中重聽;
☆ 2、在課程結束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術支持,以便保證培訓后的繼續消化;
☆3、合格的學員可享受免費推薦就業機會。
☆4、合格學員免費頒發相關工程師等資格證書,提升您的職業資質。 |
☆課程大綱☆ |
|
- USEARCH(Ultra-fast sequence analysis)是一款超級快的序列分析軟件,在序列比對、聚類、操作等多領域被廣泛的應用。在擴增子分析領域的OTU聚類非常受歡迎。該軟件由Robert Edgar開發,在序列搜索、聚類、去重、去嵌合體等步驟的準確度以及效率上顯著高于老牌的mothur,QIIME等軟件。截至目前,已經有全球8,006篇論文應用了USEARCH軟件。該軟件的64位版本是需要付費的,歡迎聯系睿馳科技獲取報價。
- ?
- USEARCH的優點如下:
- 1.高速序列比對和聚類;比對速度是BLAST的10-1250倍,聚類速度是CD-HIT的1-1000倍。
- 2.安裝簡單便捷,程序小巧,易用。
- ?
- 2018年7月底,USEARCH新版11已正式發布。新版Version 11,新增了6大新功能以及21個新命令。
- ?
- 新功能包含:
- ?
- 1.Machine learning:機器學習,主要包括隨機森林、多次交叉驗證、OTU分類重要性,包括的命令有森林訓練、森林分類和森林交叉驗證
- ?
- 2.Improved cross-talk detection:改進嵌合體檢測
- 3.Novel alpha diversity metrics:新增了兩種Alpha多樣性指數:Mirror estimator 、Singleton-free(FE)estimator
- 4.Octave plots for visualizing alpha diversity:Octave plots(八度圖)展示Alpha 多樣性,方便觀察樣品中真實序列、測序錯誤和嵌合體數量
- ?
- 5.Statistical significance of diversity differences between groups:樣品組間多樣性比較
-
- 6.Cross-validation by identity (CVI):同一性交駐驗證特征預測的準確率
- ?
- ?
- 新增命令包含:
- calc_lcr_probs:Calculate lowest common rank probabilities 計算序列物種分類各級概率
- cluster_tree:Construct clusters from tree using distance cutoff 基于樹文件聚類
- distmx_split_identity:Split distance matrix into test/training pair for CVI 拆分距離矩陣為測試和訓練集
- fastx_syncpairs:Sort forward and reverse reads into the same order 雙端序列找成隊并排序
- fastx_trim_primer:Remove primer-binding sequence from FAST×file 引物匹配并切除
- forest_classify:Classify data using random forest 隨機森林分類預測
- forest_train:Train random forest classifier 隨機森林分類器建立
- nbc_tax:Predict taxonomy using RDP Naive Bayesian Classifier algorithm 采用RDP算法預測分類學物種注釋
- otutab_binary:Convert OTU table with counts to presence(1)/absence(0) 轉換OTU表為二元(有、無)形式
- otutab_forest_classify:Classify samples using random forest 樣品隨機森林分類
- otutab_core:Identify core microbiome in OTU table 鑒定OTU表中核心微生物組
- otutab_forest_train:Train random forest classifier on OTU table 基于OTU表的隨機森林訓練
- otutab_otus:Extract OTU labels from OTU table 提取OTU表中的OTUs
- otutab_rare:Sub_sample OTU table to same number or reads per sample 抽樣標準化OTU表
- otutab_samples:Extract sample labels from OTU table 提取OTUs表中樣品名
- otutab_select:Identify OTUs which are informative (correlate with metadata)鑒定更有信息的OTUs,即組間差異OTUs
- otutab_xtalk:Identify cross-talk using improved algorithm(UNCROSS2)改進算法鑒定嵌合
- search_pcr2:In-silico PCR,search for matches to primer pair 電子PCR,基于引物匹配擴增區
- subtree:Extracts subtree under given node 提取樹中指定結點的子樹
- tabbed2otutab:Convert read mapping file (read+OTU)to OTU table 單行表格轉換為OTU表
- tree_subset:Extract subset of tree for given set of leaf labels 根據樹葉標簽提取子集
|