Debian Med Cloud packages

ABySS ist ein paralleler De-novo-Sequenzassembler, der für short reads ausgelegt ist. Er kann verwendet werden, um Genom- oder Transkriptomsequenzdaten zusammenzustellen. Die Parallelisierung erfolgt über MPI, OpenMP und pthread.

Dieses Paket vereint alle kleinen Anwendungen die acedb unter dem Ziel »other« seines Makefiles sammelt.

Efetch: vermutlich kurz für: »entry fetch« (Eintrag abrufen), sammelt Sequenzinformationen von bekannten DNA- und Proteindatenbanken.

Aevol ist ein digitales genetisches Modell: Populationen digitaler Organismen werden einem Prozess von Selektion und Variation ausgesetzt, wodurch eine darwinsche Dynamik entsteht.

Durch Modifikation der Selektionsfaktoren (z.B. Populationsgröße, Art der Umgebung, Variation der Umwelt) oder der Variationsfaktoren (z.B. Mutationsraten, Chromosomenveränderungsraten, Arten der Veränderung, horizontale Transfers) kann experimentell der Einfluss dieser Parameter auf die Struktur der sich entwickelnden Organismen untersucht werden. Insbesondere, da Aevol ein präzises und realistisches Modell des Erbgutes (Genom) enthält, ermöglicht es die Untersuchung struktureller Variationen des Genoms (z.B. Anzahl der Gene, Syntenie, Anteil codierender Sequenzen).

Die Simulationsplattform beinhaltet eine Sammlung von Werkzeugen zur Analyse der Phylogenien und zur Erfassung unterschiedlicher Eigenschaften der Organismen und Populationen während der Evolution.

Die Anwendung alien_hunter sagt vermutlichen Horizontalen Gentransfer (HGT) mit der Implementierung der Interpolated Variable Order Motifs (IVOMs) voraus. Ein IVOM-Ansatz nutzt ergänzende Tendenzen mittels variablen Anordnungen von Sequenzmotiv-Verteilungen und entdeckt verlässlicher die lokale Zusammenstellung einer Sequenz verglichen mit Methoden mit fester Anordnung. Optional können Voraussagen überführt werden in ein Hidden Markov Model (HMM) zweiter Ordnung mit zwei Zuständen, um die Lokalisierung der Grenzen der vorausgesagten Regionen zu optimieren. Die Voraussagen (embl-Format) können automatisch in den Genombetrachter Artemis geladen werden. Er ist frei unter http://www.sanger.ac.uk/Software/Artemis/ verfügbar.

ALTree wurde für entworfen, um Assoziationen zu entdecken und Suszeptibilitäts-Lokuse (susceptibility loci) mittels phylogenetischen Bäumen aus Haplotypen zu lokalisieren. Zum Einen ermöglicht sie die Entdeckung einer Assoziation zwischen einem untersuchten Gen und einer Krankheit, zum Anderen wird eine Hypothese über Suszeptibilitäts-Lokuse möglich.

AMAP is a command line tool to perform multiple alignment of peptidic sequences. It utilizes posterior decoding, and a sequence-annealing alignment, instead of the traditional progressive alignment method. It is the only alignment program that allows one to control the sensitivity / specificity tradeoff. It is based on the ProbCons source code, but uses alignment metric accuracy and eliminates the consistency transformation.

The Java visualisation tool of AMAP 2.2 is not yet packaged in Debian.

AmpliconNoise is a package of applications to clean up high-throughput sequence data. It consists of three main parts:

Pyronoise - does flowgram-based clustering to spot misreads SeqNoise - removes PCR point mutations Perseus - removes PCR chimeras without the need for a set of reference sequences

Previously there was a standalone "Pyronoise" by the same authors and this package includes an updated version. There is also a "Denoiser" in Qiime which is related but distinct.

Anfo ist ein Mapper in der Art von Soap/Maq/Bowtie, aber die Implementierung ähnelt eher BLAST/BLAT. Anful ist für Alignments sequenzierter Reads (kurze DNA-Sequenzen) am nützlichsten, wenn die DNA-Sequenz irgendwie verändert wurde (etwa sehr alte DNA oder Bisulfit-Behandlung) und/oder wenn es zwischen Probe und Referenz mehr Abweichungen gibt, als schnelle Mapper problemlos vertragen (etwa wenn das Referenzgenom fehlt und stattdessen eine verwandte Spezies benutzt wird).

Das Programm verwendet heuristische Algorithmen zur Vorhersage von tRNA-Sekundärstruktur, basierend auf der Homologie mit erkannten tRNA-Konsensus-Sequenzen und der Fähigkeit zur Bildung einer basengepaarten Kleeblattstruktur. tmRNA-Gene werden mittels einer modifizierten Version des BRUCE-Programms identifiziert.

ARDEN (Artificial Reference Driven Estimation of false positives in NGS data) ist für DNA-Sequenzierung der nächsten Generation ein neuartiges Bewertungsprogramm zum Abschätzen von Fehlerraten basierend auf experimentell gewonnenen DNA-Fragmenten (reads) und einem zusätzlich generierten künstlichem Genom. Es ermöglicht die Berechnung von Fehlerraten von einem spezifizierten Datensatz und die Konstruktion einer ROC-Kurve. Nebenbei kann es für die Optimierung von Parametern für read mappers, zur Auswahl von read mappers für ein spezifisches Problem oder zum Filtern von Alignierungen basierend auf Qualitätsabschätzungen genutzt werden.

AutoDock ist ein erstklassiger Vertreter von Programmen zur Simulation einer Bindung relativ kleiner Liganden an verhältnismäßig große Rezeptor-Proteine. In vorhergehenden Versionen waren die Liganden sehr flexibel, während das Protein dagegen sehr starr behandelt wurde. Die aktuelle Version 4 erweitert die Flexibilität auf ausgewählte Seitenketten an der Oberfläche des Proteins, berücksichtigt also auch Rotamere.

AutoDock vollzieht die Bindung des Liganden an einer Auswahl von Gittern, die das Zielprotein beschreiben. AutoGrid berechnet diese Gitter vorab.

Das Programm AutoDock Vina unterstützt die Pharmaforschung, molekulares Docking und virtuelles Screening von Molekülbibliotheken. Es bietet Mehrkernunterstützung, hohe Leistung, verbesserte Genauigkeit und einfache Benutzung.

Dasselbe Institut hat das weitverbreitete autodock entwickelt.

O. Trott, A. J. Olson, AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization and multithreading, Journal of Computational Chemistry 31 (2010) 455-461

Die AutoDockSuite dient der molekularen Analyse der Anheftung von kleinen, chemischen Komponenten an ihre Rezeptoren mit bekannter, dreidimensionaler Struktur.

Das AutoGrid-Programm führt Vorberechnungen zur Anheftung eines Liganden an einen Gittersatz durch, welche den Effekt von Punktladungen an Proteinen beschreiben. Der Effekt dieser Kräfte auf den Liganden wird dann durch das AutoDock-Programm analysiert.

BamTools facilitates research analysis and data management using BAM files. It copes with the enormous amount of data produced by current sequencing technologies that is typically stored in compressed, binary formats that are not easily handled by the text-based parsers commonly used in bioinformatics research.

BamTools provides both a C++ API for BAM file support as well as a command-line toolkit.

This is the bamtools command-line toolkit.

Available bamtools commands:

 convert  Converts between BAM and a number of other formats
 count    Prints number of alignments in BAM file(s)
 coverage Prints coverage statistics from the input BAM file
 filter   Filters BAM file(s) by user-specified criteria
 header   Prints BAM header information
 index    Generates index for BAM file
 merge    Merge multiple BAM files into single file
 random   Select random alignments from existing BAM file(s), intended more
          as a testing tool.
 resolve  Resolves paired-end reads (marking the IsProperPair flag as needed)
 revert   Removes duplicate marks and restores original base qualities
 sort     Sorts the BAM file according to some criteria
 split    Splits a BAM file on user-specified property, creating a new BAM
          output file for each value found
 stats    Prints some basic statistics from input BAM file(s)

Mit den Hilfswerkzeugen BEDTools können gewöhnliche genomische Aufgaben erledigt werden, etwa überlappende Merkmale und Berechnung der Abdeckung. Die Hilfswerkzeuge basieren großteils auf vier weit verbreiteten Dateiformaten: BED, GFF/GTF, VCF und SAM/BAM. Mit den BEDTools können ausgeklügelte Pipelines entwickelt werden, die komplizierte Forschungsfragen beantworten, indem verschiedene BEDTools zusammenarbeiten.

Das Dienstprogramm groupBy wird im Paket filo verteilt.

Das Bioperl-Projekt ist eine Gemeinschaftsarbeit von Bioinformatikern aus vielen Ländern, um etablierte bioinformatische Verfahren als standardisierte, an CPAN angepasste, gut dokumentierte und frei verfügbare Perl-Module zusammenzutragen. Bioperl hat eine sehr hohe Akzeptanz in der wissenschaftlichen Gemeinschaft und wird in vielen sehr bekannten Projekten genutzt, etwa bei Ensembl.

Die empfohlenen Pakete werden benötigt, um einige der enthaltenen Binärprogramme auszuführen. Eine ausführliche Erklärung einschließlich der spezifischen Perl-Module finden Sie in README.Debian.

Die vorgeschlagene Paket erweitert die Handbuchseiten.

Enthält Skripte aus dem Paket BioPerl-Run. Dieses Paket installiert auch alle einhüllbaren Anwendungen, für die es Debian-Pakete gibt. Die nicht-freien Pakete werden von diesem Paket vorgeschlagen.

SQUID ist eine Bibliothek von C-Code-Funktionen für die Sequenzanalyse. Sie enthält auch eine Reihe von kleinen Hilfswerkzeugen, um Sequenzdateien zu konvertieren, Statistiken anzuzeigen, diese zu manipulieren und andere Funktionen auf sie anzuwenden.

Ursprünglich war der Paketname »squid«, da jedoch bereits ein Paket namens »squid« im Archiv vorhanden war (ein Proxy-Cache), wurde es auf »biosquid« umbenannt.

Dieses Paket enthält einige Werkzeuge, welche die Möglichkeiten der Bibliothek demonstrieren.

This is a transitional dummy package for ncbi-blast+-legacy. It can safely be removed.

Dieses Paket beschäftigt sich mit dem Problem die Resultate der neuesten (2010) DNA-Sequenziertechniken zu interpretieren. Diese Techniken ergeben ziemlich kurze Sequenzen, die nicht direkt interpretiert werden können. Es ist die Aufgabe für Werkzeuge wie Bowtie den chromosomalen Ort (Locus) der kurzen DNA-Sequenzen festzustellen.

Bowtie führt Alignments kurzer DNA-Sequenzen (Reads) mit dem menschlichen Genom durch, mit einer Rate von über 25 Millionen Reads (mit einer Länge von 35 Basenpaaren) pro Stunde. Bowtie indiziert das Genom mit einer Burrows-Wheeler-Transformation, um den Speicherverbrauch gering zu halten; normalerweise etwa 2,2 GB für das menschliche Genom (2,9 GB für »paired- end«).

Bowtie 2 ist ein ultraschnelles und speichersparendes Werkzeug für Alignment zwischen kurzen DNA-Sequenzen (Reads) zu langen Referenzsequenzen. Es ist besonders gut beim Ausrichten von Reads von etwa 50 bis Hunderte oder Tausende Zeichen und besonders gut beim Ausrichten an relativ großen Genomen (z.B. von Säugetieren).

Bowtie 2 indiziert das Genom mit einem FM-Index, um den Speicherbedarf gering zu halten; für das menschliche Genom beträgt der Speicherbedarf etwa 3,2 GB. Bowtie 2 unterstützt Modi für Gaps sowie lokale und »Paired-End«-Alignments.

Boxshade erstellt gut aussehende Darstellungen von Alignments von Protein- oder DNA-Sequenzen. Das Programm alignt die Sequenzen nicht selbst, sondern benötigt als Eingabe eine Datei, die automatisch von einem Programm für Multiple Alignments oder manuell mit einem Alignment-Editor erstellt wurde.

Boxshade liest Alignments in den Formaten PILEUP-MSF, CLUSTAL-ALN, MALIGNED-data und ESEE-save (bis zu 150 Sequenzen von maximal je 10000 Elementen). Verschiedene Regeln für die Schattierung und Färbung werden angeboten, um biochemische Ähnlichkeiten der Seitenketten in den Spalten zu reflektieren. Die Ausgabe erfolgt auf den Bildschirm oder in eine Datei. Angeboten werden die Formate ANSI/VT100, PS/EPS, RTF, HPGL, ReGIS, LJ250-printer, ASCII, xFIG, PICT und HTML.

BWA (Burrows-Wheeler Aligner) ist ein Softwarepaket für das Abbilden gering abweichender Sequenzen auf eine große Referenzsequenz, etwa das menschliche Genom. Es besteht aus drei Algorithmen: BWA-backtrack, BWA-SW und BWA-MEM. BWA-backtrack ist für Illumina-Sequenz-Reads bis zu 100 Basenpaaren (bp) geeignet, während die anderen zwei Algorithmen für längere Sequenzen zwischen 70 bp und 1 Megabasenpaaren (Mbp) geeignet sind. BWA-MEM und BWA-SW teilen ähnliche Merkmale wie Unterstützung für lange Reads und Split-Alignments. BWA-MEM ist jedoch neuer und wird für hochqualitative Anfragen empfohlen, da es schneller und genauer ist. BWA-MEM ist zudem für Illumina-Reads mit einer Länge von 70 bis 100 bp leistungsfähiger als BWA-backtrack.

Cassiopee index and search library C implementation. It is a complete rewrite of the ruby Cassiopee gem. It scans an input genomic sequence (dna/rna/protein) and search for a subsequence with exact match or allowing substitutions (Hamming distance) and/or insertion/deletions.

This package contains the cassiopee and cassiopeeknife tools.

cd-hit enthält eine Anzahl an Programmen, um Sequenzen zu gruppieren. cd-hit gruppiert Proteine zu Clustern, die eine benutzerdefinierte Ähnlichkeitsschwelle einhalten. cd-hit-est ähnelt cd-hit, gruppiert allerdings Nukleotidsequenzen (ohne Introns). cd-hit-est2 ähnelt cd-hit-est, vergleicht jedoch zwei Nukleotid-Datensätze. Eine Anzahl an weiteren zugehörigen Programmen sind ebenfalls in diesem Paket enthalten. Weitere Informationen finden Sie im Benutzerhandbuch von cd-hit, das auch Teil dieses Pakets ist.

CDB (Constant DataBase) kann zur Index-Erstellung verwendet werden, damit jede bestimmte Sequenz in großen multi-FASTA-Dateien schnell gefunden werden kann. Um Platz zu sparen, besitzt es die Option Dateneinträge zu komprimieren.

Circos visualisiert Daten in einem kreisförmigen Layout – ideal, um Beziehungen zwischen Objekten oder Positionen zu untersuchen und hochinformative Grafiken in Publikationsqualität zu erstellen.

Dieses Paket stellt die Plot-Engine von Circos bereit. Sie ist befehlszeilengesteuert (wie gnuplot) und vollständig skriptfähig.

Clearcut is the reference implementation for the Relaxed Neighbor Joining (RNJ) algorithm by J. Evans, L. Sheneman, and J. Foster from the Initiative for Bioinformatics and Evolutionary Studies (IBEST) at the University of Idaho.

ClonalFrame identifies the clonal relationships between the members of a sample, while also estimating the chromosomal position of homologous recombination events that have disrupted the clonal inheritance.

ClonalFrame can be applied to any kind of sequence data, from a single fragment of DNA to whole genomes. It is well suited for the analysis of MLST data, where 7 gene fragments have been sequenced, but becomes progressively more powerful as the sequenced regions increase in length and number up to whole genomes. However, it requires the sequences to be aligned. If you have genomic data that is not aligned, it is recommend to use Mauve which produces alignment of whole bacterial genomes in exactly the format required for analysis with ClonalFrame.

Clustal Omega is a general-purpose multiple sequence alignment (MSA) program, primarily for amino-acid sequences. It produces high quality MSAs and is capable of handling data sets of hundreds of thousands of sequences in reasonable time, using multiple processors where available.

Clustal W führt ein Alignment mehrerer Nukleotid- oder Aminosäurensequenzen aus. Das Programm erkennt das Format der Eingabesequenzen und ob die Sequenzen aus Nuklein- (DNA/RNA) oder Aminosäuren (Proteine) bestehen. Das Ausgabeformat kann aus verschiedenen Formaten für multiple Alignments ausgewählt werden, etwa Phylip oder FASTA. Clustal W ist allgemein anerkannt.

Die Ausgabe von Clustal W kann händisch editiert werden, jedoch wird ein Alignment-Editor wie SeaView oder Clustal X empfohlen. Bei der Erstellung eines Modells aus Ihrem Alignment, kann die Ausgabe für verbesserte Datenbanksuchen verwendet werden. Das Debian-Paket hmmer erstellt dies mittels eines Hidden-Markov-Modells (HMM).

ConCavity sagt Bindungsstellen von Proteinliganden voraus, indem die evolutionäre Sequenzkonservierung und dreidimensionale Struktur verbunden werden.

ConCavity akzeptiert als Eingabe das Proteinstrukturformat PDB und optional Dateien, die die evolutionäre Sequenzkonservierung der Ketten in der Strukturdatei charakterisieren.

Die folgenden Resultatdateien werden standardmäßig erstellt:

• Vorhersagen von Rest-Ligandenbindung für jede Kette (*.scores).
• Vorhersagen von Rest-Ligandenbindung in einer Datei des Formats PDB (Rest-Scores sind im temorären »factor«-Feld platziert, *_residue.pdb).
• Vorhersage von Bindungstaschen in einer Datei des Formats DX (*.dx).
• PyMOL-Skript um die Vorhersagen zu visualisieren (*.pml).

Das Paket stellt das Werkzeug score_conservation(1) bereit, das die Konservierung bei Proteinsequenzen bewertet.

Die folgenden Bewertungsmethoden für Konservierungen sind implementiert:

• Summe aller Paare
• gewichtete Summe aller Paare
• Shannon-Entropie
• Shannon-Entropie nach Eigenschaften gruppiert (Mirny und Shakhnovich 1995, Valdar und Thornton 2001)
• relative Entropie nach Eigenschaften gruppiert (Williamson 1995)
• von-Neumann-Entropie (Caffrey et al 2004)
• relative Entropie (Samudrala und Wang 2006)
• Jensen–Shannon-Divergenz (Capra und Singh 2007)

Ebenso enthalten ist eine fensterbasierte Erweiterung, die die geschätzte Konservierung von sequenziell ähnlichen Resten in den Score für jede Spalte einarbeitet. Diese Fensterfunktion kann auf jede der genannten Bewertungsmethoden angewandt werden.

Das Programm akzeptiert Alignments in den Formaten CLUSTAL und FASTA.

Die sequenzspezifische Ausgabe kann auch als Eingabe der Konservierung für ConCavitiy verwendet werden.

Konservierung trifft beim Identifizieren von aktiven Zentren und Resten in der Nähe von gebundenen Liganden gute Voraussagen.

GNU Datamash is a command-line program which performs basic numeric, textual and statistical operations on input textual data files. It is designed to be portable and reliable, and aid researchers to easily automate analysis pipelines, without writing code or even short scripts.

Das Kommandozeilenwerkzeug DIALIGN2 führt ein multiples Alignment von Protein- oder DNA-Sequenzen aus. Es erstellt Alignments aus gap-freien Paaren von ähnlichen Sequenzsegmenten. Dieses Bewertungsverfahren ist der grundlegende Unterschied zwischen DIALIGN und anderen globalen oder lokalen Methoden für Sequenzalignments. Beachten Sie, dass DIALIGN bei Gaps das Ergebnis nicht schlechter bewertet.

DIALIGN-TX ist ein Kommandozeilenwerkzeug, um mehrere Protein- oder DNA-Sequenzen aneinander auszurichten (»zu alignen«). Es handelt sich um eine vollständige Reimplementation des segmentbasierten Ansatzes, einschließlich einiger neuer Verbesserungen und Heuristiken und anderer Verbesserungen, die im Vergleich mit DIALIGN 2.2 oder DIALIGN-T deutlich die Qualität der ermittelten Alignments erhöht. Für paarweise Alignments nutzt DIALIGN-TX einen Algorithmus zur Verkettung von Fragmenten, der Ketten niedrig bewerteter lokaler Alignments den isolierten höher bewerteten Fragmenten vorzieht. Für multiple Alignments nutzt DIALIGN-TX eine verbesserte, erfolgshungrige Prozedur, die nicht auf falsche lokale Sequenzähnlichkeiten hereinfällt.

Software discoSnp is designed for discovering Single Nucleotide Polymorphism (SNP) from raw set(s) of reads obtained with Next Generation Sequencers (NGS).

Note that number of input read sets is not constrained, it can be one, two, or more. Note also that no other data as reference genome or annotations are needed.

The software is composed by two modules. First module, kissnp2, detects SNPs from read sets. A second module, kissreads, enhance the kissnp2 results by computing per read set and for each found SNP:

 1) its mean read coverage
 2) the (phred) quality of reads generating the polymorphism.

This program is superseded by DiscoSnp++.

»disulfinder« soll die Disulfidbindungen von Cysteinen und deren Disulfid-Verbindungsfähigkeit aus der Sequenz allein voraussagen. Disulfidbrücken spielen eine große Rolle in der Stabilisierung des Faltungsprozesses von verschiedenen Proteinen. Die Voraussage von Disulfidbrücken aus der Sequenz allein ist daher für das Studium der strukturellen und funktionalen Eigenschaften von bestimmten Proteinen nützlich. Zusätzlich kann Wissen über die Disulfidbindungen von Cysteinen bei der experimentellen Strukturbestimmung helfen und in anderen genomischen Annotationsaufgaben nützlich sein.

»disulfinder« sagt Disulfidmuster in zwei Berechnungsschritten voraus: (1) die Disulfidbindungen jedes Cysteins werden von einem binären Klassifikator (BRNN-SVM) vorausgesagt; (2) Cysteine, bei denen man weiß, dass sie an der Brückenbildung teilhaben, werden von einem rekurrenten neuronalen Netz gepaart, um ein Muster der Verbindungsfähigkeit zu erhalten.

dnaclust is a tool for clustering large number of short DNA sequences. The clusters are created in such a way that the "radius" of each clusters is no more than the specified threshold.

The input sequences to be clustered should be in Fasta format. The id of each sequence is based on the first word of the seqeunce in the Fasta format. The first word is the prefix of the header up to the first occurrence of white space characters in the header.

DSSP is an application you use to assign the secondary structure of a protein based on its solved three dimensional (3D) structure.

This version (4.2) of DSSP is a rewrite that writes annotated mmCIF files by default but can still produce the older dssp format. New is also the support of PP helices.

Die DOMAINATRIX-Programme wurden von Jon Ison und Kollegen am MRC HGMP für ihre Forschung im Bereich der Proteine entwickelt. Diese sind in einem Paket nammens EMBASSY enthalten, welches z.Z. in Arbeit ist.

Anwendungen der aktuellen Veröffentlichung von domainatrix sind cathparse (generiert DCF-Dateien von »raw«-CATH-Dateien), domainnr (entfernt redundante Bereiche aus einer DCF-Datei), domainreso (entfernt Bereiche niedriger Auflösung einer DCF-Datei), domainseqs (fügt Sequenzeinträge zu einer DCF-Datei hinzu), domainsse (fügt weitere Struktureinträge zu einer DCF-Datei hinzu), scopparse (generiert eine DCF-Datei aus »raw«-SCOP-Dateien) und ssematch (sucht in einer DCF-Datei nach weiteren Strukturübereinstimmungen).

Die DOMALIGN-Programme wurden von Jon Ison et al. am MRC HGMP für deren Forschung im Bereich der Proteindomänen entwickelt. Diese Programme sind als ein EMBASSY-Paket enthalten, die Entwicklung ist jedoch noch nicht abgeschlossen.

Anwendungen der aktuellen domalign-Veröffentlichung sind allversusall (Daten von Sequenzähnlichkeiten von einem Alle-gegen-Alle-Vergleich), domalign (erstellt Alignments (DAF-Datei) für Knoten in einer DCF-Datei), domainrep (sortiert DCF-Dateien neu, um repräsentative Strukturen zu identifizieren) und seqalign (erweitert Alignments (DAF-Datei) mit Sequenzen (DHF-Datei)).

Die DOMSEARCH-Programme wurden von Jon Ison und Kollegen am MRC HGMP für ihre Forschung an Proteindomänen entwickelt. Sie sind im EMBASSY-Paket als Programme in Entwicklung enthalten.

Anwendungen in dieser Veröffentlichung von DOMSEARCH sind seqfraggle (entfernt Fragmentsequenzen aus DHF-Dateien), seqnr (entfernt Redundanzen aus DHF-Dateien), seqsearch (erstellt PSI-BLAST-Treffer (DHF-Datei) aus einer DAF-Datei), seqsort (entfernt mehrdeutig klassifizierte Sequenzen aus DHF-Dateien) und seqwords (erstellt DHF-Dateien aus einer Schlagwort-Suche bei UniProt).

EMBOSS ist freie, quelloffene Software und ein Analysepaket, das speziell für die Bedürfnisse der Molekularbiologie-Anwendergemeinschaft (z.B. EMBnet) entwickelt wurde. Die Software unterstützt die Bearbeitung einer Vielzahl von Datenformaten und erlaubt sogar transparente Abfragen von Sequenzdaten aus dem Internet. Durch die umfassenden Bibliotheken, die das Paket bereitstellt, ist es auch eine Plattform, die andere Wissenschaftler darin unterstützt, Software im echten Open-Source-Geist zu entwickeln und zu veröffentlichen. EMBOSS integriert zudem eine Reihe von aktuellen Paketen und Werkzeugen zur Sequenzanalyse in ein nahtloses Ganzes. EMBOSS bricht den historischen Trend zu kommerziellen Softwarepaketen.

Mit Exonerate können Sie Sequenzen ab- und vergleichen. Das Programm bietet Ihnen viele Alignment-Modelle, welche entweder vollständig dynamische Programmierung oder eine Reihe von heuristischen Methoden verwenden. Ein Großteil der Funktionalität der »Wise dynamic programming suite« wurde zur Erhöhung der Effizienz in C neu geschrieben. Exonerate ist eine wesentliche Komponente bei der Erstellung der »Ensembl Genome«-Datenbanken, die Ähnlichkeitsmaße für RNA- und DNA-Sequenzen bestimmt und so allgemein »splice variants« und Codesequenzen bestimmt.

Ein »In-silico PCR«-System zur Simulation von Experimenten (Siehe auch das Handbuch von »ipcress«) wird zusammen mit »exonerate« verteilt.

Dieses Paket beinhaltet auch eine Auswahl an Werkzeugen zur Erstellung einfacher, schneller Änderungen an »fasta«-Dateien mit über 2GB Dateigröße.

FastDNAml ist abgeleitet von Joseph Felsensteins DNAML Version 3.3 (Teil seines Pakets PHYLIP). Bevor Sie fastDNAml verwenden, sollten Sie die Dokumentation für DNAML heranziehen.

FastDNAml ist der Versuch, das gleiche Problem wie DNAML effektiver zu lösen, damit größere Bäume und/oder »bootstrap«-Replikate behandelt werden können. Bei großen Teilen von fastDNAml handelt es sich lediglich um eine Neuprogrammierung der in Pascal geschriebenen PHYLIP DNAML Version 3.3 in der Sprache C.

Beachten Sie, dass die Webseite dieses Programms nicht mehr verfügbar ist und dieses Programm daher wahrscheinlich nicht mehr aktualisiert wird.

Genkopplungsanalyse ist ein statistisches Verfahren, das zum Abbilden von Genen und zum Auffinden wahrscheinlicher Positionen von Erbfehlern verwendet wird. Es gab ein Standard-Softwarepaket zur Genkopplung namens LINKAGE. FASTLINK ist eine deutlich veränderte und verbesserte Variante der Hauptprogramme von LINKAGE. Diese laufen sequenziell deutlich schneller, können parallelisiert werden, lassen sich nach einem Computerabsturz elegant wiederherstellen und enthalten reichlich neue Dokumentationen. FASTLINK wurde in über 1000 veröffentlichten Genkopplungsstudien verwendet.

Dieses Paket enthält die folgenden Programme:

 ilink:    Optimierungsprozedur GEMINI, um einen lokal optimalen Wert
           des Theta-Vektors von Rekombinationsanteilen zu bestimmen.
 linkmap:  berechnet die Positionswertung eines Locus gegenüber einer
           Sammlung von anderen Loci.
 lodscore: vergleicht Wahrscheinlichkeiten auf lokal optimalen Theta.
 mlink:    berechnet die LOD-Scores und Risiken mit zwei oder mehreren
           Loci.
 unknown:  identifiziert mögliche Genotypen für unbekannte Personen.

FastQC aims to provide a simple way to do some quality control checks on raw sequence data coming from high throughput sequencing pipelines. It provides a modular set of analyses which you can use to give a quick impression of whether your data has any problems of which you should be aware before doing any further analysis.

The main functions of FastQC are

• Import of data from BAM, SAM or FastQ files (any variant)
• Providing a quick overview to tell you in which areas there may be problems
• Summary graphs and tables to quickly assess your data
• Export of results to an HTML based permanent report
• Offline operation to allow automated generation of reports without running the interactive application

FastTree infers approximately-maximum-likelihood phylogenetic trees from alignments of nucleotide or protein sequences. It handles alignments with up to a million of sequences in a reasonable amount of time and memory. For large alignments, FastTree is 100-1,000 times faster than PhyML 3.0 or RAxML 7.

FastTree is more accurate than PhyML 3 with default settings, and much more accurate than the distance-matrix methods that are traditionally used for large alignments. FastTree uses the Jukes-Cantor or generalized time-reversible (GTR) models of nucleotide evolution and the JTT (Jones-Taylor-Thornton 1992) model of amino acid evolution. To account for the varying rates of evolution across sites, FastTree uses a single rate for each site (the "CAT" approximation). To quickly estimate the reliability of each split in the tree, FastTree computes local support values with the Shimodaira-Hasegawa test (these are the same as PhyML 3's "SH-like local supports").

This package contains a single threaded version (fasttree) and a parallel version which uses OpenMP (fasttreMP).

Genome coverage, the number of sequencing reads mapped to a position in a genome, is an insightful indicator of irregularities within sequencing experiments. While the average genome coverage is frequently used within algorithms in computational genomics, the complete information available in coverage profiles (i.e. histograms over all coverages) is currently not exploited to its full extent. Thus, biases such as fragmented or erroneous reference genomes often remain unaccounted for. Making this information accessible can improve the quality of sequencing experiments and quantitative analyses.

fitGCP is a framework for fitting mixtures of probability distributions to genome coverage profiles. Besides commonly used distributions, fitGCP uses distributions tailored to account for common artifacts. The mixture models are iteratively fitted based on the Expectation-Maximization algorithm.

Flexbar preprocesses high-throughput sequencing data efficiently. It demultiplexes barcoded runs and removes adapter sequences. Moreover, trimming and filtering features are provided. Flexbar increases mapping rates and improves genome and transcriptome assemblies. It supports next-generation sequencing data in fasta/q and csfasta/q format from Illumina, Roche 454, and the SOLiD platform.

Parameter names changed in Flexbar. Please review scripts. The recent months, default settings were optimised, several bugs were fixed and various improvements were made, e.g. revamped command-line interface, new trimming modes as well as lower time and memory requirements.

FreeContact is a protein residue contact predictor optimized for speed. Its input is a multiple sequence alignment. FreeContact can function as an accelerated drop-in for the published contact predictors EVfold-mfDCA of DS. Marks (2011) and PSICOV of D. Jones (2011).

FreeContact is accelerated by a combination of vector instructions, multiple threads, and faster implementation of key parts. Depending on the alignment, 8-fold or higher speedups are possible.

A sufficiently large alignment is required for meaningful results. As a minimum, an alignment with an effective (after-weighting) sequence count bigger than the length of the query sequence should be used. Alignments with tens of thousands of (effective) sequences are considered good input.

jackhmmer(1) from the hmmer package, or hhblits(1) from hhsuite can be used to generate the alignments, for example.

This package contains the command line tool freecontact(1).

One goal of sequencing based metagenomic analysis is the quantitative taxonomic assessment of microbial community compositions. However, the majority of approaches either quantify at low resolution (e.g. at phylum level) or have severe problems discerning highly similar species. Yet, accurate quantification on species level is desirable in applications such as metagenomic diagnostics or community comparison. GASiC is a method to correct read alignment results for the ambiguities imposed by similarities of genomes. It has superior performance over existing methods.

GenomeTools enthält eine nützliche Werkzeugsammlung für biologische Sequenzanalysen und -darstellungen in einem einzigen Binärprogramm.

Der Werkzeugsatz beinhaltet Binärprogramme für die Bearbeitung von Sequenzen und Annotationen, Sequenzkomprimierung, Erstellung von und Zugriff auf Indexstrukturen, Darstellung von Annotationen und vieles mehr.

A program to visualize the alignment of two genomic sequences together with their annotations. From GFF-format input files it produces PostScript figures for that alignment. The following menu lists many features of gff2aplot:

• Comprehensive alignment plots for any GFF-feature. Attributes are defined separately so you can modify only whatsoever attributes for a given file or share same customization across different data-sets.
• All parameters are set by default within the program, but it can be also fully configured via gff2ps-like flexible customization files. Program can handle several of such files, summarizing all the settings before producing the corresponding figure. Moreover, all customization parameters can be set via command-line switches, which allows users to play with those parameters before adding any to a customization file.
• Source order is taken from input files, if you swap file order you can visualize alignment and its annotation with the new input arrangement.
• All alignment scores can be visualized in a PiP box below gff2aplot area, using grey-color scale, user-defined color scale or score-dependent gradients.
• Scalable fonts, which can also be chosen among the basic PostScript default fonts. Feature and group labels can be rotated to improve readability in both annotation axes.
• The program is still defined as a Unix filter so it can handle data from files, redirections and pipes, writing output to standard-output and warnings to standard error.
• gff2aplot is able to manage many physical page formats (from A0 to A10, and more -see available page sizes in its manual-), including user-defined ones. This allows, for instance, the generation of poster size genomic maps, or the use of a continuous-paper supporting plotting device, either in portrait or landscape.
• You can draw different alignments on same alignment plot and distinguish them by using different colors for each.
• Shape dictionary has been expanded, so that further feature shapes are now available (see manual).
• Annotation projections through alignment plots (so called ribbons) emulate transparencies via complementary color fill patterns. This feature allows one to show color pseudo-blending when horizontal and vertical ribbons overlap.

gff2ps ist ein Skript zur Umwandlung von GFF-formatierten Datensätzen in qualitativ hochwertige eindimensionale PostScript-Plots. Diese Plots können verwendet werden, um Genomstrukturen zu vergleichen und die Ausgaben von Programmen zur Annotation von Genomen zu visualisieren. gff2ps kann sehr einfach verwendet werden, weil es davon ausgeht, dass die GFF-Datei bereits genügend Formatierungsinformationen enthält. Die Ausgabe kann aber ebenso über zusätzliche Optionen und/oder eine Konfigurationsdatei den Wünschen entsprechend angepasst werden.

GIIRA is a gene prediction method that identifies potential coding regions exclusively based on the mapping of reads from an RNA-Seq experiment. It was foremost designed for prokaryotic gene prediction and is able to resolve genes within the expressed region of an operon. However, it is also applicable to eukaryotes and predicts exon intron structures as well as alternative isoforms.

GLAM2 ist ein Softwarepaket für das Finden von Motiven in Sequenzen, meist Aminosäuren- oder Nukleotidsequenzen. Ein Motiv ist ein wiederkehrendes Sequenzmuster: typische Beispiele sind die TATA-Box und das CAAX-Prenylierungs-Motiv. Die wichtigste Neuerung von GLAM2 ist, dass es das Einfügen und Löschen in Motiven erlaubt.

Dieses Paket enthält Programme für das Auffinden von Motiven durch einen Satz von gemeinsamen Sequenzen und den Abgleich dieser Motive mit einer Sequenzdatenbank, ebenso wie Dienste für die Konvertierung von glam2-Motiven in übliche Alignment-Formate, die Ausblendung von glam2-Motiven aus Sequenzen zur Auffindung schwächerer Motive und das Entfernen stark ähnlicher Elemente aus einem Satz von Sequenzen.

Das Paket enthält folgende Programme:

  glam2:       Auffinden von Motiven durch einen Satz von gemeinsamen
               Sequenzen;
  glam2scan:   Abgleich dieser Motive mit einer Sequenzdatenbank;
  glam2format: Konvertierung von glam2-Motiven in übliche
               Alignment-Formate;
  glam2mask:   Ausblendung von glam2-Motiven aus Sequenzen zur Auffindung
               schwächerer Motive;
  glam2-purge: Entfernen stark ähnlicher Elemente aus einem Satz von
               Sequenzen.

In diesem Binärpaket wurde die schnelle Fourier-Transformation (FFT-Fast Fourier Transformation) für das Programm glam2 integriert.

This package contains the programs GMAP and GSNAP as well as utilities to manage genome databases in GMAP/GSNAP format. GMAP (Genomic Mapping and Alignment Program) is a tool for aligning EST, mRNA and cDNA sequences. GSNAP (Genomic Short-read Nucleotide Alignment Program) is a tool for aligning single-end and paired-end transcriptome reads. Both tools can use a database of

• known splice sites and identify novel splice sites.
• known single-nucleotide polymorphisms (SNPs). GSNAP can align bisulfite-treated DNA.

Das vielseitige Programm Grinder erstellt zufällige Bibliotheken aus Shotgun- und Amplikonsequenzen, die auf DNA-, RNA- oder Protein-Referenzsequenzen aus einer FASTA-Datei basieren.

Grinder kann Shotgun- und Amplikon-Datensätze der Genomik, Metagenomik, Transkriptomik, Metatranskriptomik, Proteomik und Metaproteomik aus aktuellen Sequenziertechniken wie Sanger, 454, Illumina erstellen. Diese simulierten Datensätze können die Genauigkeit von bioinformatischen Werkzeugen unter spezifischen Hypothesen testen, z.B. mit oder ohne Sequenzierfehler oder mit niedriger oder hoher Diversität. Grinder kann außerdem bei der Auswahl der Sequenziermethode für ein sequenzbasiertes Projekt helfen, etwa wie viele kurze Sequenzen sequenziert werden sollen und ob es eine Paired-End-Bibliothek sein soll oder nicht.

GROMACS is a versatile package to perform molecular dynamics, i.e. simulate the Newtonian equations of motion for systems with hundreds to millions of particles.

It is primarily designed for biochemical molecules like proteins and lipids that have a lot of complicated bonded interactions, but since GROMACS is extremely fast at calculating the nonbonded interactions (that usually dominate simulations) many groups are also using it for research on non- biological systems, e.g. polymers.

This package contains variants both for execution on a single machine, and using the MPI interface across multiple machines.

HH-suite ist ein quelloffenes Softwarepaket für sensible Proteinsequenzsuchen, basierend auf paarweisen Alignments von Hidden-Markov-Modellen (HMMe).

Dieses Paket enthält HHsearch, HHblits sowie weitere Programme und Hilfswerkzeuge.

HHsearch akzeptiert als Eingabe ein multiples Sequenzalignment (MSA) oder Profil-HMM und durchsucht eine HMM-Datenbank (z.B. PDB, Pfam oder InterPRo) nach homologen Proteinen. HHsearch wird oft bei Proteinstrukturvorhersagen verwendet, um homologe Matrizen (Templates) zu erkennen und hochakkurate paarweise Alignments mit Abfrage-Matrizen für Homology Modelling zu erstellen.

HHblits kann hochqualitative MSAs aus einzelnen Sequenzen oder aus MSAs erstellen. Es transformiert diese in ein Abfrage-HMM und fügt der aktualisierten Abfrage-HMM - mittels iterativer Suche - signifikant ähnliche Sequenzen der vorherigen Suche hinzu, um diese bei der nächsten Suchiteration zu verwenden. HHblits ist verglichen mit PSI-BLAST schneller, bis zu doppelt so sensibel und erstellt genauere Alignments.

HISAT2 is a fast and sensitive alignment program for mapping next-generation sequencing reads (both DNA and RNA) to a population of human genomes (as well as against a single reference genome). Based on an extension of BWT for graphs a graph FM index (GFM) was designed and implementd. In addition to using one global GFM index that represents a population of human genomes, HISAT2 uses a large set of small GFM indexes that collectively cover the whole genome (each index representing a genomic region of 56 Kbp, with 55,000 indexes needed to cover the human population). These small indexes (called local indexes), combined with several alignment strategies, enable rapid and accurate alignment of sequencing reads. This new indexing scheme is called a Hierarchical Graph FM index (HGFM).

HMMER ist eine Implementierung der Profile-Hidden-Markov-Modelle für eine sensitive Suche in biologischen Sequenzdatenbanken mit multiplen Sequenzalignments als Anfragen.

Mit einem multiplen Sequenzalignment als Eingabe baut HMMER ein statistisches Modell, genannt »Hidden-Markov-Modell«. Mit diesem kann in Sequenzdatenbanken nach homologen Sequenzen gesucht werden. Dabei können gleichzeitig, der gesuchten Proteinfamilie zugehörige, Sequenzen alignt werden.