长沙公司网站开发最佳的资源磁力搜索引擎
SingleMod
SingleMod是一种深度学习模型，专为利用纳米孔直接RNA测序（DRS）数据在单RNA分子中精确检测m6A修饰而设计。该模型通过深度多实例回归框架进行训练，能够充分利用广泛的甲基化率标签。SingleMod是一个通用框架，可轻松适配其他核酸修饰的检测模型训练。
注意： SingleMod支持从RNA002试剂盒或最新RNA004试剂盒生成的直接RNA测序数据中预测m6A修饰。
环境要求
数据准备：
| 数据 | 说明 |
|---|---|
| fast5或pod5文件 | 包含原始电流信号 |
| reference.fa | 基因组或转录组参考序列，推荐使用基因组参考序列 |
| methylation_rate.bed | 甲基化率标签文件，仅训练自定义模型时需要 |
操作系统：
本流程在Linux系统上运行。
需安装Python3.6及以上版本。
软件依赖：
| 工具 | 用途 | 备注 |
|---|---|---|
| Guppy | 通过碱基识别从fast5生成fastq | 若fast5已碱基识别，可忽略 |
| dorado | 通过碱基识别从pod5生成fastq | 适用于RNA004数据，若pod5已碱基识别，可忽略 |
| minimap2 | 将reads比对到参考序列 | |
| samtools | BAM文件处理 | |
| bedtools | BED文件处理 | |
| Picard | 将BAM文件拆分为多个文件 | 支持并行处理，显著节省时间 |
| nanopolish | 信号对齐，将电流信号分配到碱基 | 使用版本0.13.2 |
| pod5 | 将pod5格式转换为fast5格式 | 适用于RNA004数据 |
| f5c | 信号对齐，将电流信号分配到碱基 | 适用于RNA004数据 |
Python模块：
| 模块 | 用途 | 备注 |
|---|---|---|
| torch | 开源Python机器学习库 | |
| pysam | BAM文件处理 | 用于在IGV中可视化单分子m6A标记 |
| adabound | 优化模型参数 | 仅训练自定义模型时需要 |
确保已安装以下基础包：numpy, os, re, random, scipy, datetime, collections, argparse, multiprocessing, array
SingleMod代码（https://github.com/xieyy46/SingleMod-v1/tree/main/SingleMod）：
| 代码 | 用途 | 备注 |
|---|---|---|
| organize_from_eventalign.py | 从nanopolish eventalign结果中提取并整理原始信号 | |
| merge_motif_npy.py | 按不同motif整理原始信号 | |
| SingleMod_m6A_prediction.py | 预测单分子中的m6A修饰 | |
| bam_mark_m6A.py | 在BAM文件中标记m6A修饰，用于单分子m6A可视化 | |
| SingleMod_train.py | 训练自定义模型 | 仅训练自定义模型时需要 |
SingleMod预训练模型：
RNA002（哺乳动物）：https://github.com/xieyy46/SingleMod-v1/tr