Awesome GitHub RepositoriesGenomic Data Analysis

Biopython este o bibliotecă de bioinformatică pentru Python care oferă instrumente pentru a analiza, manipula și interpreta secvențe biologice, structuri moleculare și arbori filogenetici. Servește ca un parser de secvențe biologice pentru date genomice și proteomice în mai multe formate de fișiere standard din industrie și acționează ca o interfață pentru interogarea datelor biologice și a citărilor din depozitele NCBI Entrez. Proiectul se distinge prin seturi de instrumente specializate pentru analiza structurii proteinelor și construcția arborilor filogenetici. Include un analizor de structură proteică pentru procesarea fișierelor PDB și mmCIF pentru a calcula geometria moleculară, precum și un set de instrumente pentru arbori filogenetici pentru analizarea relațiilor evolutive dintre specii. Biblioteca acoperă o gamă largă de capabilități de bioinformatică, inclusiv analiza secvențelor genomice pentru transcriere și traducere, gestionarea alinierilor de secvențe și calcule de genetică a populațiilor. Oferă, de asemenea, instrumente de analiză structurală pentru manipularea coordonatelor atomice 3D, precum și utilitare pentru vizualizarea caracteristicilor genomice și modelarea datelor biogeografice. Sistemul se integrează cu binare externe de bioinformatică prin „wrapping” și suportă stocarea persistentă a înregistrărilor biologice prin stocare de secvențe bazată pe SQL.

evo2 is a genomic large language model and foundation model designed to predict, generate, and analyze genetic information across different species. It functions as a nucleotide sequence modeler and a DNA sequence generator, using transformer-based sequence modeling to process genomic data. The system provides capabilities for synthetic DNA generation, creating new genetic sequences based on biological prompts or species-specific tags. It also performs nucleotide likelihood prediction to score genomic variants and analyze biological properties within DNA sequences. The model supports genomic

DeepVariant is a deep learning genotyping tool and DNA sequence analysis pipeline used to identify single nucleotide polymorphisms and indels from next-generation sequencing data. It functions as a convolutional neural network genetic variant caller that treats genomic read alignments as multi-channel image tensors to determine genotypes. The system supports specialized analysis workflows including long-read variant calling for circular consensus sequencing and trio-based variant calling to identify inherited or de novo mutations. It enables model optimization for new species or genome contex

Scanpy is a Python library for the preprocessing, visualization, and analysis of large-scale single-cell gene expression datasets. It serves as a toolkit for single-cell RNA sequencing analysis, providing a framework to process and analyze genomic data from individual cells to identify biological markers and cell types. The library includes a scalable data processing pipeline for cleaning and preparing genomic data, a clustering framework for grouping cells with similar expression profiles, and a system for modeling transitions between cell states to reconstruct biological development and dif

Cloud-native genomic dataframes and batch computing

Scalable gVCF merging and joint variant calling for population sequencing projects