Advertisement

popgen-stats:一个脚本,用于计算种群遗传学统计数据,提供源码。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
该脚本,名为 selectionStats.py,主要用于计算种群遗传学统计数据的流行统计方法。其设计目标是快速地对齐序列,从而高效地获得分集和选择统计信息。比对过程需要在帧编码序列中进行明确的表示。 selectionStats.py 能够计算出theta、pi、piN、piS以及Tajima的D等关键指标。此外,如果提供了外联组数据,该脚本还会输出McDonald Kreitman测试的结果。用户可以通过提供单个Fasta文件进行比对,或者提供包含多个Fasta文件的目录进行批量比对。 该程序对Bio ++有要求,具体需要EggLib( )的当前版本,以及Bio ++ v 2.1.0。 同时,selectionStats.py 的运行环境为 Python v 2.7.3,EggLib v 2.1.7。 关于绘图方面,selectionStatsPlot.R 脚本用于绘制 selectionStats.py 的结果,它依赖于 ggplot2 包。 该 R 脚本的当前版本为 R v 3.0.2,ggplot2 v 0.9 。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • popgen-stats量的-
    优质
    popgen-stats是一款用于计算种群遗传学中常用统计量的开源Python脚本工具。它为研究人员提供了便捷地分析大规模基因组数据集的能力,适用于进化生物学和群体遗传学研究。 selectionStats.py脚本用于计算种群遗传学统计数据。该脚本适用于快速对齐的分化与选择统计信息计算,并且比对必须以框架编码序列形式表示。此工具可提供theta、pi、piN、piS以及Tajima D等指标的结果,同时如果提供了外类群数据,则会进一步输出McDonald Kreitman测试结果。 用户可以向程序中输入单个Fasta格式的对比文件或一个包含多个比对文件的目录。软件需要EggLib(需与Bio++兼容)作为运行环境,并且推荐使用Python v 2.7.3、EggLib v 2.1.7和Bio++ v 2.1.0版本。 用法为:selectionStats.py -a [比对] -d [目录] -o [列表,分组,分组] selectionStatsPlot.R。此脚本用于绘制由selectionStats.py生成的数据结果,并需要ggplot2作为绘图工具环境。建议使用R v 3.0.2和ggplot2 v 0.9版本进行操作。
  • 优化的多
    优质
    本项目提供一种高效的多群体遗传算法源代码,专门设计用于解决复杂函数优化问题。通过集成多个独立进化群体,促进种群多样性并加速收敛过程。适用于科研及工程领域中的优化任务。 提供了多种群遗传算法的函数优化求解代码源程序,帮助初学者学习MATLAB。
  • MPGA.zip_DOA估_多法在DOA中的应_法DOA
    优质
    本研究探讨了利用多种群遗传算法进行DOA( Direction Of Arrival)估计的应用。通过改进的遗传算法技术,提高了定位精度和效率,在雷达与声纳系统中具有重要价值。 采用多种群遗传算法进行DOA估计可以避免常规遗传算法容易陷入局部最优解的问题。
  • MATLAB中的双
    优质
    本段落提供了一套在MATLAB环境下运行的双种群遗传算法源代码。该代码旨在优化复杂问题求解过程,并通过两个独立但相互作用的种群提高算法探索和开发能力,适用于科研及工程应用领域。 《MATLAB智能算法30个案例分析》是作者多年从事算法研究的经验总结之作。书中所有案例均基于国内各大MATLAB技术论坛网友的实际需求精心设计而成,其中许多内容及求解方法在国内已出版的MATLAB书籍中较为少见。本书采用案例形式,以智能算法为主线,详细讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等常用智能算法在MATLAB中的实现方式。全书共包含30个案例,每个案例都是一个使用智能算法解决实际问题的具体实例,并且由理论介绍、背景说明、MATLAB程序代码展示以及扩展阅读四个部分组成,配有完整的原创程序供读者参考学习。本书不仅适合本科毕业设计和研究生项目的设计指导,在博士低年级课题研究中也有很高的参考价值,同时对于科研人员来说也具有重要的借鉴意义。
  • 法函优化
    优质
    本研究提出了一种基于多种群策略的改进遗传算法,旨在有效提升复杂函数优化问题的求解效率与精度。通过多群体间的协作与竞争机制,该方法能够更好地探索搜索空间,避免早熟收敛,适用于解决各类非线性、高维和多模态函数优化挑战。 多种群遗传算法函数优化的MATLAB源代码通过利用多个种群来保证多样性,并引入移民机制以实现不同种群之间的交互。每个种群保留父代最优解,这种方法解决了遗传算法早熟的问题,能够更快地收敛。
  • ACOGA.rar_蚁法_融合蚁法_法_蚁
    优质
    本资源为ACOGA(Ant Colony Genetic Algorithm)相关资料,包含蚁群遗传算法的研究与应用。该算法结合了蚂蚁觅食的智能行为和生物进化原理,通过模拟自然界中的两种现象来优化复杂问题求解过程。适合于深入学习和研究算法融合技术。 蚁群遗传融合算法结合了两种算法的优点,互相补充不足之处。
  • 法的函化方法
    优质
    本研究提出了一种创新的基于多种群遗传算法的函数化方法,旨在优化复杂问题求解效率与精度。通过多群体协作机制增强搜索能力,有效避免局部最优陷阱,为智能计算领域提供新思路。 这是一款基于多种群遗传算法的函数化程序。下载后可在MATLAB环境中运行并查看其效果,请大家多多参考!
  • MATLAB的多法函优化(含完整).rar
    优质
    本资源提供了一个基于MATLAB开发的多种群遗传算法工具包,用于解决复杂的函数优化问题,并包含详细文档和完整源代码。 资源内容:基于Matlab多种群遗传算法的函数优化算法(完整源码).rar 代码特点: - 参数化编程,参数可方便更改; - 代码编写思路清晰、注释明细。 适用对象: - 计算机、电子信息工程和数学等专业的大学生课程设计、期末大作业及毕业设计。 作者介绍:某知名企业的资深算法工程师,在Matlab、Python、C/C++、Java以及YOLO算法仿真方面拥有十年的工作经验。擅长领域包括但不限于计算机视觉,目标检测模型,智能优化算法,神经网络预测,信号处理,元胞自动机,图像处理和无人机路径规划等领域的算法仿真实验。 此资源适用于需要进行相关研究或项目的学生和技术人员。
  • 标准法及多法的Matlab实现代
    优质
    本项目提供标准遗传算法及其多种群版本的MATLAB实现。适用于解决各种优化问题,支持用户自定义参数和编码方式。 标准遗传算法与多种群遗传算法的Matlab代码用于求解函数最值问题。GA包括交叉变异操作,而MPGA则包含移民操作。