近日,国际知名期刊《核酸研究》(Nucleic Acids Research,IF:16.971)在线发表了北京大学孔雷课题组与中国科学院计算技术研究所赵屹研究员课题组合作开发的基因功能富集平台KOBAS-i(网址http://kobas.cbi.pku.edu.cn/ 或http://bioinfo.org/kobas),文章题为“KOBAS-i: intelligent prioritization and exploratory visual...
Contact: weilp _at_ mail.cbi.edu.pku.cn Collection:- Publications Mao X, Cai T, Olyarchuk JG, Wei L "Automated genome annotation and pathway identification using the KEGG Orthology (KO) as a controlled vocabulary." Bioinformatics 2005; 21(19):3787-93https://doi.org/10.1093/bioinformatics...
http://kobas.cbi.pku.edu.cn/kobas3KOBAS是一种广泛使用的基因富集(GSE)分析工具。它的版本1.0和2.0分别于2005年和2011年发。当前版本是KOBAS 3.0,该版本于2019年底发布,涵盖了5945种具有已知知识的物种。 KOBAS做基因富集,它可以接受基因列表或基因表达数据作为输入,结果生成富集的gene sets。之前的版本不支持gene...
近日,国际知名期刊《核酸研究》(Nucleic Acids Research,IF:16.971)在线发表了北京大学孔雷课题组与中国科学院计算技术研究所赵屹研究员课题组合作开发的基因功能富集平台KOBAS-i(网址http://kobas.cbi.pku.edu.cn/ 或http://bioinfo.org/kobas),文章题为“KOBAS-i: intelligent prioritization and exploratory visual...
KOBAS的网址为:http://kobas.cbi.pku.edu.cn/kobas3/?t=1,以下为KOBAS的网页端页面: 如上图所示,KOBAS主要分为三个模块,分别为注释,基因列表富集,实验数据富集。KOBAS也可以用命令行方式来分析,可以在download页面进行下载tarball格式的安装包,在linux终端用命令行来操作,下面分别以网页方式和命令行方式来进行KEGG...
# 1. 选取最新docker镜像FTP下载 wget -c ftp://ftp.cbi.pku.edu.cn:21/pub/KOBAS_3.0_DOWNLOAD/docker/kobas_20210902.tar # 2. 在docker环境中加载镜像 docker load -i kobas_20210902.tar # 3. 查看镜像信息 docker images | grep kobas # 4. 进入镜像测试软件 docker run -it -v $PWD:$PWD ...
# 根据kobas物种识别名:在该目录下按如下示例进行下载,例如小鼠: wget –c ftp://ftp.cbi.pku.edu.cn/pub/KOBAS_3.0_DOWNLOAD/seq_pep/mmu.pep.{fasta, fasta.phr, fasta.pin, fasta.psq} 运行实践,以小鼠为例 准备待富集基因的gene.fa文件,核酸序列,先进行blast,将自己的geneID映射到kegg的ID上 kobas...
网址:kobas.cbi.pku.edu.cn/in)该工具是出自北京大学魏丽萍教授团队。秒杀DAVID的更新速度和KEGG需要收费的缺点。 网站首页功能介绍如下: 1. 基因注释功能: 点击Pathway的details,结果如下: 点击Disease的details,结果如下: 点击GO的details,结果如下: 2. Gene-list Enrichment功能 只需要提交1. Gene list;2. ...
http://kobas.cbi.pku.edu.cn/kobas3 KOBAS是一种广泛使用的基因富集(GSE)分析工具。它的版本1.0和2.0分别于2005年和2011年发。当前版本是KOBAS 3.0,该版本于2019年底发布,涵盖了5945种具有已知知识的物种。 K…
下载的注释后的数据如下所示: KOBAS注释 使用者将转换后的ID输入http://kobas.cbi.pku.edu.cn/anno_iden.php,根据研究对象类型,进行相应选择:选择KEGG Pathway与GO,点击Run; 将富集结果下载: 下载得到富集结果如下: GO与KEGG富集分析,DAVID和KOBAS是比较简单同时受欢迎和认可的选择。