Gubbins 技术文档
1. 安装指南
1.1 依赖项要求
在安装 Gubbins 之前,请确保系统中已安装以下依赖项:
- 系统工具:Python >=3.8、pip3、make、autoconf、libtool、gcc、check 等。
- Python 模块:Biopython (>1.59)、DendroPy (>=4.0)、Scipy、Numpy、Multiprocessing、Numba。
- 系统软件包:RAxML、IQTree、RAxML-NG、FastTree、Rapidnj。
1.2 推荐安装方法 - conda
使用 conda 安装 Gubbins 是最简单的方式。首先,确保已安装 conda,并添加必要的 channels:
conda config --add channels r
conda config --add channels defaults
conda config --add channels conda-forge
conda config --add channels bioconda
conda install gubbins
1.3 从源码安装
如果你希望从源码安装 Gubbins,请按照以下步骤操作:
- 克隆或下载 Gubbins 的源码:
git clone https://github.com/nickjcroucher/gubbins cd gubbins - 配置并安装:
autoreconf -i ./configure [--prefix=$PREFIX] make [sudo] make install cd python [sudo] python3 -m pip install [--prefix=$PREFIX] .
1.4 使用虚拟机安装
如果你在 Windows 系统上运行 Gubbins,可以通过虚拟机来安装。首先,安装 VirtualBox,然后加载虚拟机镜像:
- 下载虚拟机镜像:ftp://ftp.sanger.ac.uk/pub/pathogens/pathogens-vm/pathogens-vm.latest.ova
- 使用 VirtualBox 的“文件 -> 导入设备”菜单选项加载镜像。
- 虚拟机启动后,使用 root 密码“manager”登录。
2. 项目的使用说明
2.1 基本使用
使用默认设置运行 Gubbins:
run_gubbins.py [FASTA alignment]
2.2 高级选项
Gubbins 提供了多种高级选项,可以通过查看手册来了解详细信息。
3. 项目 API 使用文档
3.1 主要功能
Gubbins 的主要功能是通过迭代识别包含高密度碱基替换的位点,并在这些区域之外构建系统发育树。
3.2 参数说明
--mar:使用边际祖先重建(默认使用联合祖先重建)。--prefix:指定输出文件的前缀。--threads:指定使用的线程数。
4. 项目安装方式
4.1 通过 conda 安装
如前所述,使用 conda 安装是最简单的方式:
conda install gubbins
4.2 通过 apt 安装(适用于 Ubuntu/Debian)
在 Ubuntu 或 Debian 系统上,可以使用 apt 安装 Gubbins:
sudo apt-get install gubbins
4.3 从源码安装
从源码安装 Gubbins 的步骤已在 1.3 节中详细说明。
4.4 使用虚拟机安装
虚拟机安装方式适用于 Windows 用户,具体步骤已在 1.4 节中说明。
5. 测试
安装完成后,可以通过以下命令运行测试:
make check
6. 反馈与问题
如果在使用过程中遇到问题,请在 issues 页面 提交问题。
7. 引用
如果你使用了 Gubbins,请引用以下文献:
Croucher N. J., Page A. J., Connor T. R., Delaney A. J., Keane J. A., Bentley S. D., Parkhill J., Harris S.R. "Rapid phylogenetic analysis of large samples of recombinant bacterial whole genome sequences using Gubbins". doi:10.1093/nar/gku1196, Nucleic Acids Research, 2014.
8. 进一步信息
更多关于 Gubbins 的信息,请访问 Gubbins 网页。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00