最近在分析水稻的转录组数据，用的参考基因组是我们小组自己组装的，没有用常见的那几个参考基因组做比对，这就导致一个问题，

1 BRAKER3的优势 可以使用转录组和蛋白数据2 基因预测成功的关键 高质量的基因组：short scaffolds太多的话不会得到很准确的结果。 简单的序列名称：如Chr1这种是最好的。 要标记重复序列：the genome should be masked for repeats，避免对重复序列和低复杂度区域预测到基因结构；转录组数据比对是重复序列也会影响；在GeneMark-ES/ET/

将基因组fasta文件合并成一行：

R最强大的莫过于统计分析和可视化，关键是完全的开源免费啊。有时候使用多了以后，会积累一些函数或者是数据库，而这些函数和数据库通常能够帮助到别人，这时候就可以把这些函数或者是数据库打包成R包，上传到CRAN、Bioconductor或者是GitHub，让 其他的使用者使用自己的包。

网页版地址： https://shiny.web4xiang.top/LeAFtool/ 分析流程数据准备将图片存储在三个文件夹内，压缩成.zip后上传就能进行分析： learning：存放用于训练的图片（直接截图即可），包括三个子文件夹： background：背景图片。如叶片是贴在A4纸上的，那么背景就截图A4纸。 limb：没有被病原菌侵染的健康叶片。 lesion：病斑截图。 res

这个包简直就是完美啊！！！

1234567library(tidyverse)iris %>% dplyr::mutate(temp = case_when( Species == "setosa" ~ "lp", TRUE ~ Species )) 报错： 123456Error in `dplyr::mutate()`:! Problem while computing `temp = case_

bam文件 第一列：QNAME: 比对序列的名称。 第二列：FLAG: 比对的类型。paring、strand、 mate strand 等等。不同的数值代表不一样的比对类型。 第三列：RNAME：表示 read 比对的那条序列的序列名称。如果第三列是”*“，则说明这条 read 没有比对上。 第四列：POS。表示 read 比对到 RNAME 这条序列最左边的位置。 第五列：mapping 的质

更新版本: 推荐的资料 https://bookdown.org/roback/bookdown-BeyondMLR/ch-GLMM.html https://m-clark.github.io/mixed-models-with-R/ 文献信息 Harrison X A, Donaldson L, Correa-Cano M E, et al. A brief introduction to

💌lixiang117423@foxmail.com💌lixiang117423@gmail.com

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110210

经常要用到R，有些小技巧每次都要去查，比较麻烦，干脆记录一下。 软件安装 安装Rtools： 安装 Rtools4.0，安装包：https://cran.r-project.org/bin/windows/Rtools/ 配置环境 在 RStudio 里面运行以下脚本： 1writeLines('PATH="${RTOOLS40_HOME}\\usr\\bin;${PATH}"', con