共 6 篇文章
情境說明，自己玩的專案中需要建立NT資料庫
並且需要經過資料清洗，像是將資料庫分成human和non human的fasta
並將無taxon分類的sequences排除
可怕的是目前的NT的序列數已達到9400萬條
策略是先遊歷一遍整個檔案
並記錄每個sequence的taxid及file offset (f.tell())儲存到dictionary
透過記錄的offset，使用f.seek()快速到達指定的sequence位置，並依據taxid判斷是屬於human或non human的sequence分別寫入到兩個fasta
因此本篇測試有哪些key-value類型的資料結構可以快速索引fasta中seqid於檔案中位置
且符合時間成本、硬體資源等效益
Makura的功能介紹可以看上一篇
{% post_link ‘2022/Makura安裝與使用 - 批量下載NCBI genomes’ %}
pip install makura==1.2.0
這篇介紹1.0.0到1.2.0之間增加的功能和修復的bug
目的是要一次大量下載NCBI的assembly genome
Q：這種需求什麼時候會用上呢？
A: 生物資訊分析genomics或metageomics資料常會需要下載指定物種或是所有屬於微生物的genomes
The following setup is my customization while ubuntu initialization
fcitx5-rime
sudo apt install fctix5-*
im-config
sudo apt install nfs-common
sudo mount -t nfs $remote_host:/remote/path /local/path
gsettings set org.gnome.shell.extensions.dash-to-dock click-action 'minimize'
gsettings set org.gnome.shell.extensions.dash-to-dock scroll-action 'cycle-windows'
If the commands are not working, you can install dconf-editor to set.
Switching between windows with scroll wheel on Ubuntu Dock
Essential Guide: How to Enable ‘Minimize on Click’ on Ubuntu Quickly
如果要做對應徵生物資訊職缺有幫助的 side project
我認為有幾個方向可以考慮
專案中的python package我是用poetry管理
好處是可以分開開發時才使用的套件跟程式執行時依賴的套件
移除不用的套件時還可以確認依賴套件的依賴套件也全部被移除了
這點是pip做不到的，他只會移除你指定的套件
這文章寫的很詳細如何使用poetry
雖然其他如virtualenv和pyvenv也可以建立python虛擬環境
但也是無法完全地管理依賴套件版本
以我這次寫的專案Juno為例，這個專案目錄下的結構如下
.
├── Dockerfile
├── juno
│ ├── cli.py
│ ├── config.py
│ ├── data
│ ├── data.py
│ ├── __init__.py
│ ├── simulator.py
│ ├── tools
│ └── web.py
├── LICENSE
├── pyproject.toml
├── README.md
└── setup.py