docker镜像发布及使用的方法

这篇文章主要介绍了docker镜像发布及使用的方法的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇docker镜像发布及使用的方法文章都会有所收获，下面我们一起来看看吧。

1）首先系统中安装docker

2）镜像搜索、下载、启动使用方法：

> docker search    #搜索组学大讲堂提供的所有镜像NAME                           DESCRIPTION                                     STARS               OFFICIAL            AUTOMATED/gene-family         gene-family analysis docker image               5                  /rnaseq              RNA-seq analysis docker image build by omics…   3                 /gsds-v2             GSDS 2.0 - Gene Structure Display Server        1                  /reseq               whole genome resequence analysis                1                  /biocontainer-base   Biocontainers base Image centos7                1                  /blast-plus          blast+ v2.9.0                                   0                  /isoseq3             isoseq3 v3.3.0 build by               0                  /bwa                 BWA v0.7.17 build by                  0                  /blastall            legacy blastall v2.2.26                         0                  /sratoolkit          SRAtoolkit v2.10.3 and aspera v3.9.9.177872     0                  /ampliseq-q2         Amplicon sequencing qiime2 v2020.2 image        0                  /ampliseq-q1         Amplicon sequencing qiime1 v1.9.1 image         0                  /samtools            samtools v1.10 build by               0                  /bsaseq              NGS Bulk Segregant Analysis image               0                  /gwas                gwas analysis images                            0                  > docker pull /ampliseq-q1  #下载扩增子镜像>docker run --rm -it -m 4G --cpus 1  -v D:\qiime1-16s:/work /ampliseq-q1:latest    #启动并进入镜像

安装软件及版本介绍

OTU分析相关软件

qiime1 v1.9.1mothur  v.1.25.0usearch   10.0.240usearch71 6.1.544vsearch v2.15.0

序列处理相关分析包

flash v2.15.0 序列合并bioperl biopythonfastqcmultiqcfastp

qiime分析相关的包

blast-2.2.22blat-36cdhit-3.1muscle-3.8.31rdpclassifier-2.2uclust

功能注释相关分析软件

picrust-1.1.4bugbase

数据分析与可视化相关的R包：

ggplot2TernaryDESeq2edgeRggtreeveganpheatmap

高级分析相关包

randomForest  机器学习scikit-learn  机器学习circos  圈图绘制Krona  物种丰度圈图LefSe 差异比较分析

注意：以上软件包的列表只是部分举例，实际安装的包还有更多。

扩增子镜像使用案例

1.数据准备

fastmap.txt文件, 测序数据文件放在data文件夹中，物种注释数据库文件Greengene silva unite等放在database目录，需要这些测试数据的同学可以关注组学大讲堂公众号，并回复16s，即可得到；准备完成之后，目录结构如下：

[root@aefe86d682b1  13:58:49 /work/amplicon_demo]# tree  data    |-- ERR3975186_1.fastq.gz    |-- ERR3975186_2.fastq.gz    |-- ERR3975187_1.fastq.gz    `-- ERR3975187_2.fastq.gz fastmap.txt

设置一些环境变量方便后续调用：

dbdir=/work/databaseworkdir=/work/amplicon_demodatadir=$workdir/datafastmap=$workdir/fastmap.txtmkdir /work/tmpexport TMPDIR=/work/tmp  #防止临时目录存储 不够######################database#各大数据库地址：silva_16S_97_seq=$dbdir/SILVA_132_QIIME_release/rep_set/rep_set_16S_only/97/silva_132_97_16S.fna silva_16S_97_tax=$dbdir/SILVA_132_QIIME_release/taxonomy/16S_only/97/taxonomy_7_levels.txt greengene_16S_97_seq=$dbdir/gg_13_8_otus/rep_set/97_otus.fastagreengene_16S_97_tax=$dbdir/gg_13_8_otus/taxonomy/97_otu_taxonomy.txtsilva_18S_97_seq=$dbdir/SILVA_132_QIIME_release/rep_set/rep_set_18S_only/97/silva_132_97_18S.fna silva_18S_97_tax=$dbdir/SILVA_132_QIIME_release/taxonomy/18S_only/97/taxonomy_7_levels.txt unite_ITS_97_seq=$dbdir/unite_ITS8.2/sh_refs_qiime_ver8_97_04.02.2020.fastaunite_ITS_97_tax=$dbdir/unite_ITS8.2/sh_taxonomy_qiime_ver8_97_04.02.2020.txt

2.合并双端reads，flash

cd $workdir  #回到工作目录mkdir 1.merge_pefor i in  `cat $fastmap |grep -v '#'|cut -f 1` ;do     echo "RUN CMD: flash $datadir/${i}_1.fastq.gz $datadir/${i}_2.fastq.gz \        -m 10 -x 0.2 -p 33 -t 1 \        -o $i -d 1.merge_pe"    flash $datadir/${i}_1.fastq.gz $datadir/${i}_2.fastq.gz \        -m 10 -x 0.2 -p 33 -t 1 \        -o $i -d 1.merge_pedone

3.对原始数据进行fastqc质控

cd $workdir  #回到工作目录mkdir 2.fastqc#fastqc查看数据质量分布等fastqc -t 2 $workdir/1.merge_pe/*extendedFrags.fastq  -o $workdir/2.fastqc#质控结果汇总cd $workdir/2.fastqcmultiqc .

4.数据质控：对原始序列进行去接头，引物，删除低质量的reads等等

cd $workdir  #回到工作目录mkdir 3.data_qccd  3.data_qc#利用fastp工具去除adapter#--qualified_quality_phred the quality value that a base is qualified. #            Default 15 means phred quality >=Q15 is qualified. (int [=15])#--unqualified_percent_limit how many percents of bases are allowed to be unqualified#--n_base_limit if one read's number of N base is >n_base_limit, #            then this read/pair is discarded #--detect_adapter_for_pe   接头序列未知  可设置软件自动识别常见接头#for i in `cat $fastmap |grep -v '#'|cut -f 1`; do     echo "RUN CMD: fastp --thread 1 --qualified_quality_phred 10 \        --unqualified_percent_limit 50 \        --n_base_limit 10 \        --length_required 300 \        --trim_front1 29 \        --trim_tail1 18 \        -i $workdir/1.merge_pe/${i}.extendedFrags.fastq \        -o ${i}.clean_tags.fq.gz \        --adapter_fasta $workdir/data/illumina_multiplex.fa -h ${i}.html -j ${i}.json"    fastp --thread 1 --qualified_quality_phred 10 \        --unqualified_percent_limit 50 \        --n_base_limit 10 \        --length_required 300 \        --trim_front1 29 \        --trim_tail1 18 \        -i $workdir/1.merge_pe/${i}.extendedFrags.fastq \        -o ${i}.clean_tags.fq.gz \        --detect_adapter_for_pe -h ${i}.html -j ${i}.jsondone

去除嵌合体

cd $workdir  #回到工作目录mkdir 4.remove_chimerascd  4.remove_chimeras#去除嵌合体for i in `cat $fastmap |grep -v '#'|cut -f 1`; do      #相同重复序列合并    vsearch --derep_fulllength $workdir/3.data_qc/${i}.clean_tags.fq.gz \        --sizeout --output ${i}.derep.fa    #去嵌合体    vsearch --uchime3_deno ${i}.derep.fa \        --sizein --sizeout  \        --nonchimeras ${i}.denovo.nonchimeras.rep.fa     #相同序列还原为多个    vsearch --rereplicate ${i}.denovo.nonchimeras.rep.fa --output ${i}.denovo.nonchimeras.fadone#根据参考序列去除嵌合体for i in `cat $fastmap |grep -v '#'|cut -f 1`; do     vsearch --uchime_ref ${i}.denovo.nonchimeras.fa \        --db $dbdir/rdp_gold.fa \         --sizein --sizeout --fasta_width 0 \        --nonchimeras ${i}.ref.nonchimeras.fadone

qiime1分析pick otu 聚类方法

cd $workdir  #回到工作目录mkdir 5.pick_otu_qiimecd   5.pick_otu_qiime#合并fasta文件，并加序列号for i in `cat $fastmap |grep -v '#'|cut -f 1`; do     rename_fa_id.pl  -f $workdir/4.remove_chimeras/$i.ref.nonchimeras.fa \        -n $i -out $i.fadone#合并fa文件到qiime.fasta 之后删除所有单个样本的fa文件cat *fa >qiime.fastarm -f *fa###方法1：pick_de_novo_otus.py###输出qiime pick otu 参数，更多：http://qiime.org/scripts/pick_otus.htmlecho pick_otus:denovo_otu_id_prefix OTU >> otu_params_de_novo.txtecho pick_otus:similarity 0.97 >> otu_params_de_novo.txtecho pick_otus:otu_picking_method uclust >> otu_params_de_novo.txt   #sortmerna, mothur, trie, uclust_ref, usearch, usearch_ref, blast, usearch71, usearch71_ref,sumaclust, swarm, prefix_suffix, cdhit, uclust.echo assign_taxonomy:reference_seqs_fp $silva_16S_97_seq >> otu_params_de_novo.txtecho assign_taxonomy:id_to_taxonomy_fp $silva_16S_97_tax >> otu_params_de_novo.txtecho assign_taxonomy:similarity 0.8 >>otu_params_de_novo.txtecho assign_taxonomy:assignment_method uclust >>otu_params_de_novo.txt    # rdp, blast,rtax, mothur, uclust, sortmerna如果是ITS/18S数据，建议数据库更改为UNITE，方法改为blast。详细使用说明，请读官方文档：http://qiime.org/scripts/assign_taxonomy.htmlpick_de_novo_otus.py -i qiime.fasta -f -o pick_de_novo_otus -p otu_params_de_novo.txt

alpha_diversity 分析

cd $workdir  #回到工作目录mkdir 8.alpha_diversitycd   8.alpha_diversity#alpha多样性指数展示biom summarize-table  -i $workdir/5.pick_otu_qiime/pick_de_novo_otus/otu_table_clean_rare.biomecho alpha_diversity:metrics observed_species,PD_whole_tree,shannon,chao1,simpson,goods_coverage > alpha_params.txtalpha_rarefaction.py -f -i $workdir/5.pick_otu_qiime/pick_de_novo_otus/otu_table_clean.biom -m $fastmap -o ./ -p alpha_params.txt -t $workdir/5.pick_otu_qiime/pick_de_novo_otus/rep_set.tre --retain_intermediate_files --min_rare_depth 40 --max_rare_depth 2032 --num_steps 10#多样性指数差异比较qiime 自带检验与绘图compare_alpha_diversity.py \    -i alpha_div_collated/chao1.txt \    -o alpha_chao1_stats \    -m $fastmap \    -t nonparametric \    -c citycompare_alpha_diversity.py \    -i alpha_div_collated/chao1.txt \    -o alpha_chao1_stats \    -m $fastmap \    -t parametric \    -c city

beta_diversity 分析

cd $workdir  #回到工作目录mkdir 9.beta_diversitycd   9.beta_diversityecho beta_diversity:metrics binary_jaccard,bray_curtis,unweighted_unifrac,weighted_unifrac,binary_euclidean > beta_params.txt#-e 设置抽平数beta_diversity_through_plots.py -f -i $workdir/5.pick_otu_qiime/pick_de_novo_otus/otu_table_clean.biom -m $fastmap -o ./ -t $workdir/5.pick_otu_qiime/pick_de_novo_otus/rep_set.tre -e 2844 -p beta_params.txt#beta多样性adonis检验compare_categories.py --method adonis -i unweighted_unifrac_dm.txt -m $fastmap -c Treatment -o adonis_out -n 999

关于"docker镜像发布及使用的方法"这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对"docker镜像发布及使用的方法"知识都有一定的了解，大家如果还想学习更多知识，欢迎关注行业资讯频道。