معرفی نرم افزار
نرم افزار Circos یکی از بهترین و کاربردی ترین ابزارها برای ترسیم انواع نقشه های مقایسه ای در زمینه های ژنومی، ترانسکریپتومی و متابولومی است. این نرم افزار به صورت کدهای باینری برای سیستم عامل لینوکس و ویندوز توسعه یافته است، اما با این حال استفاده از آن در سیستم عامل لینوکس خروجی های به مراتب بهتر و کاربردی تری ایجاد می نماید. در ادامه می توانید آخرین بیلد circos را دانلود نمایید. دقت داشته باشید در حال حاضر سرور اصلی ارائه دهنده نرم افزار با خطا مواجه شده است و فایل زیر فایل آرشیوی نرم افزار circos است که توسط گروه ادمین این کانال بارگذاری می شود.
برای نصب این ابزار بایستی به صورت زیر عمل کنید:

#Unzip the circos source code
$ tar xvfz circos-x.xx.tgz
$ cd circos-x.xx
$ ./install

نرم افزار Circos بیلد سیستم عامل های مبتنی بر یونیکس. ترجیحا در اوبنتو یا مینت یا lubuntu این فایل اجرا شود. در توزیع فدورا و دبیان به دلیل ناسازگاری کدهای ابزار با نسخه perl نصب شده در این سیستم های عامل امکان اجرای صحیح برنامه وجود ندارد.
🆔🧬 @IRBioinformatics

نکته 1
اگر به هر دلیلی نتوانستید نرم افزار circos را نصب و اجرا نمایید، می توانید از جایگزین دیگری که شبیهcircos است اما با محدودیت منوها و همچنین با کیفیت گرافیک پایینتر که تحت جاوا نوشته شده است استفاده کنین.نرم افزار Jcircos رایگان است، یک نرم افزار مبتنی بر جاوا است، اساسا به صورت open-source ارائه شده است اما در مقایسه با circos دارای محدودیت های فراوانی است و صرفا می توان با استفاده از این ابزار پلات های محدودی را ترسیم نمود. با این حال برای انجام پروژه های کلاسی، مقایسات کلی، ژنومیکس مقایسه ای و ... این مورد مناسب است. فایل Jcircos رو در ادامه براتون میزاریم ولی دقت داشته باشین این نرم افزار تحت جاوا هستش و اگر کانفیگ های جاوای سیستمون به درستی کار نمیکنن یا قدیمی هستن، ممکنه ناسازگاری سیستم عامل و ران این برنامه ببینین. به خاطر همین به شما توصیه می کنیم نرم افزار جاوا 8 یا 21 بر روی سیستم عامل خود که در ادامه قراش دادیم نصب کنید.

نکته 2
این پست ها رو برای دوستاتون هم بفرستین و فایل های این کانال منتشر بدین تا با کمک هم بتونیم چیزای زیادی یاد بگیریم و هزینه و وقت زیادی برای یادگیری نزاریم و با دسترسی به بهترین سورس ها و ابزارها کارهای محاسباتیمون رو خودمون راه بندازیم. ازتون ممنونیم اگر در انتشار این مطالب به ما کمک کنید
🆔🧬 @IRBioinformatics

نرم افزار تحت جاوا Jcircos جایگزین Circos برای دوستانی که برنامه نویسی تحت یونیکس نمیدونن و تا الان توی محیط لینوکس هیچ کدی نزدن. فایل راهنما و چیزای دیگه هم توی این فایله هستش. میتونین ازش استفاده کنین. بازم تاکید می کنیم این مورد کار راه بندازه ولی از لحاظ کیفیتی قابل مقایسه با Circos اصلی نیست
🆔🧬 @IRBioinformatics

معرفی mummer2circos
البته برای دوستای میکروبیولوژیست و بیوتکنولوژیستمون که پانژنوم کار میکنن و اساسا نیاز دارن ژنومیکس مقایسه ای بزرگ با داده های ژنومی خیلی بزرگ انجام بدن کار با circos ممکنه براشون یکمی دشوار باشه، با توجه به اینکه ژنوم باکتریا فقط ی دونه کروموزوم حلقوی هستش و نمیشه مثل ژنوم یوکاریوت ها براش پارامترهای پلات circos رو درنظر گرفت میشه در عوض خروجی متاژنوم مقایسه ای رو با mummer2circos نشون داد. این بسته تحت کوندا هستش و بعد از نصب کوندا میتونین اون رو به طریق زیر نصب و ران کنین و بعدش ازش لذت ببرین...
🆔🧬 @IRBioinformatics

نصب mummer2circos
برای نصب این ابزار مراحل زیر رو انجام بدین.
1- آناکوندا یا مینی کوندا یا بیوکوندا باید قبلش روی سیستم شما نصب باشن. توی کانال بگردین فایل های نصبی اخرین ورژنشون گذاشتیم و میتونین ازشون استفاده کنین برایی این کار.
2- محیط کوندا که در ترمینال فعال شد کد دستوری زیر رو بزنین در ترمینال:

#Set up conda environment and installation
(base) $ conda install -c bioconda -c conda-forge mummer2circos
(base) $ mummer2circos -l -a promer ...

به راحتی براتون نصب میشه و میتونین استفاده کنین. فقط پیشنهاد میکنم حتما روی OPENSUSE اینکار نکنین چون ظاهرا باگ داره و بهتره نصبش روی یکی از زیرمجموعه های اوبنتو (Mint or Lubuntu) اینکار رو انجام بدین.

3- اگه از Singularity یا Docker استفاده می کنین میتونین از طریق کدهای دستوری زیر اون رو نصب کنین. برای نصبش روی Docker بهتره Singularity حتما روی سیستم عاملتون نصب بشه و این نکته هم بگیم که Singularity فقط روی لینوکس نصب میشه :)

#Install singularity using apt-get 

$  sudo apt-get update && sudo apt-get install -y \ 
    build-essential \ 
    libssl-dev \ 
    uuid-dev \ 
    libgpgme11-dev \ 
    squashfs-tools \ 
    libseccomp-dev \ 
    pkg-config

- بعد اینکه Singularity رو نصب کردین چون فایل داکر ایمیجش توی مخازن داکر هستش (این لینک به سورس داکر ایمیجش هستش) میتونین الان کامند زیر رو بزنین تا نصب و ران بشه روی سیستمتون (این برای حالتی هستش که میخاین از Singularity برای نصب این ابزار کاربردی استفاده کنین)

$ singularity build mummer2circos.simg docker://metagenlab/mummer2circos:1.4.2

- حالا که نصبش تو Singularity/docker به خوبی تموم کردین به مخزن اصلی داکر اضافه شده و میتونین به با کامند زیر رانش کنین و ازش استفاده کنین،

$ singularity exec mummer2circos.simg mummer2circos -r <reference.fna> -q <query.fna>  -l

- لطفا با اینترنت بسته گوشی و حجم 2 گیگ بخرین و ... نصب نکنین این بسته ها رو، چون که موقع نصب چنین ابزارهایی حجم زیادی اینترنت مصرف میشه و بایستی حتما دسترسی به اینترنت پایدار (نه الزاما پر سرعت) داشته باشین. زمان نصبش حدودا 20 دقیقه هستش و بعدش میتونین رانش کنین و ازش استفاده ببرین.
🆔🧬 @IRBioinformatics

معرفی نرم افزار
نرم افزار آلفافولد (alphafold)
امروزه با پیشرفت های گسترده در شبکه های کامپیوتری و زبان های برنامه نویسی، نوع جدیدی از الگوریتم ها و مدل های محاسباتی توسعه داده شده است که بر مبنای آن کاربران قادرند با وضوح بیشتر به تفسیر و پردازش داده های زیستی بپردازند. یکی از پیشرفت های چشمگیر اخیر در حوزه پروتئین ها توسعه نرم افزار آلفا فولد بوده است که با دقت خیره کننده ای قادر است ساختمان سه بعدی پپتیدها و پروتئین ها را پیش بینی نماید. این ابزار رایگان است، اما کاربران ایرانی به علت تحریم های امریکا نمی توانند به راحتی به سورس ابزار دسترسی داشته باشند، در ادامه می توانید کدهای قابل اجرا برنامه الفافولد را دانلود نمایید و مطابق راهنمای نصبی از آن استفاده کنید.
🆔🧬 @IRBioinformatics

فایل حاوی کدهای آلفافولد
🆔🧬 @IRBioinformatics

نحوه نصب AF:
برای نصب آلفا فولد مراحل زیر را انجام دهید

 
1- Install Docker container  
2- Install NVIDIA Container Toolkit 
3- Set up running Docker as non-root user 

بعد از انجام موارد بالا اکنون مطابق مراحل ذکر شده در زیر ابزار آلفا فولد را نصب کنید.

 
$ git clone https://github.com/deepmind/alphafold.git 
$ cd ./alphafold 
$ sudo apt install aria2 
#Download the required files (download size is 556 GB) 
$ noscripts/download_all_data.sh 
$ noscripts/download_all_data.sh <DOWNLOAD_DIR> > download.log 2> download_all.log & 
# Check AF on available GPUs 
$ docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi 
# Build docker image 
$ docker build -f docker/Dockerfile -t alphafold . 
# Install dependencies  
$ pip3 install -r docker/requirements.txt 
$ python3 docker/run_docker.py \ 
  --fasta_paths=your_protein.fasta \ 
  --max_template_date=2022-01-01 \ 
  --data_dir=$DOWNLOAD_DIR \ 
  --output_dir=/home/user/absolute_path_to_the_output_dir 

پس از انجام موفقیت آمیز مراحل بالا، اکنون AF برای ران آماده است. دقت داشته باشید بایستی شما حداقل 2 ترابایت فضای ذخیره در اختیار داشته باشید تا بتوانی تمام مراحل بالا را، بخصوص مرحله دانلود پایگاه های داده مرتبط با ساختارهای پروتئینی را دانلود نمایید. انجام مراحل فوق با سرعت متوسط و پایدار اینترنت (سرعت 100 مگابایت بر ثانیه) حدود 3 ساعت طول می کشد.
🆔🧬 @IRBioinformatics

مراحل نصب NVIDIA Container Toolkit:
همانطور که گفته شد برای استفاده از الفافولد حتما بایستی NVIDIA Container Toolkit بر روی زیرساخت سخت افزاری شما نصب باشد.
1- نصب بر روی سیستم عامل اوبنتو: برای نصب این Toolkit بر روی سیستم عامل اوبنتو مراحل زیر را انجام دهید:

 
#configure the required repository 
$ curl –fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor –o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ 
  && curl –s –L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \ 
    sed ‘s#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g’ | \ 
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list 
 
 
#Configure repository with experimental packages 
$ sed –i –e ‘/experimental/ s/^#//g’ /etc/apt/sources.list.d/nvidia-container-toolkit.list 
 
# Update packages list 
sudo apt-get update 
 
#Install  NVIDIA Container Toolkit 
$ sudo apt-get install –y nvidia-container-toolkit 

2- نصب بر روی سیستم عامل سنتوس (با استفاده از yum) و فدورا (با استفاده از dfn):

 
# Configure the required repository 
$ curl -s -L https://nvidia.github.io/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo | \ 
  sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo 
 
#configure repository with experimental packages 
$ sudo yum-config-manager --enable nvidia-container-toolkit-experimental 
 
#Install ToolKit 
$ sudo yum install -y nvidia-container-toolkit 

همانطور که می بینید با چند دستور ساده به راحتی می توانید این ماژول را بر روی سرور یا بیس سخت افزاری خود که می خواهید الفافولد را بر روی آن راه اندازی کنید نصب کنید و سپس برای تعیین ساختار پروتئین ها از آن استفاده کنید. البته این ماژول کاربردهای دیگری هم دارد که در سطح پیشرفته در اینده در کانال بارگذاری خواهد شد.
🆔🧬 @IRBioinformatics

معرفی بسته نرم افزاری MotifFinder برای R
بسیاری از محققان علوم زیستی هنگامی که مطالعات ژنومی و ترانسکریپتومی انجام می دهند نیاز دارند تا با آنالیز دقیق توالی های ژنومی سطح حفاظت شدگی توالی های زیستی را بدست اورند. برای این کار و همچنین برای مقایسه طیف وسیعی از موتیف های زیستی با یکدیگر ابزار motiffinder که به صورت یک بسته نرم افزاری R ارائه شده است می تواند به کاربران برای آنالیز توالی های بزرگ ژنومی و شناسایی موتیف ها کمک نماید. همچنین با استفاده از این بسته نرم افزاری می توان توالی های ژنی مختلف را از حیث داشتن یا نداشتن یک موتیف خاص با یکدیگر مقایسه کرد. در ادامه شیوه نصب و فایل سورس نصبی این بسته برای همراهان عزیز قرار داده شده است.
🆔🧬 @IRBioinformatics