pharokka是一款专为噬菌体基因组设计的快速注释工具，最新版本为1.7.0（2024年6月更新）。它使用PHANOTATE进行基因预测，通过MMseqs2比对PHROGs等数据库进行功能注释，并支持tRNA、CRISPR检测等功能。phold是其补充工具，采用深度学习模型ProstT5进行结构注释，适合特征较少的噬菌体。两者可联合使用：先用pharokka完成基础注释，再用phold进行结构增

最近deepseek的大火，让大家掀起新一波的本地部署运行大模型的热潮，特别是deepseek有蒸馏的小参数量版本，电脑上就相当方便了，直接ollama+open-webui这种类似的组合就可以轻松地实现，只要硬件，如显存，RAM足够，参数量合适，速度还可以接受。本地部署的意义在于，一是可以数据不上网，让一些私密的数据有所保障，二是可以实现一些在线限制的功能。在手机上运行的意义，其实更多可能是玩玩

最近尝试入门点深度学习的内容，首先来个框架试试嘛，tensorflow2.0的GPU要求已经是nvida算力3.5以上的设备，当然，如果你能过G F W，tesla据说可以白嫖。想用自己的设备咋办呢，只有单纯CPU上了，那这速度就无语了，慢上几十倍，毕竟再差的GPU的核心数，也是cpu的几十倍，所以使用opencl，苹果metal等的框架是个不错的选择，在知乎上发现了一个答主推荐plaidml这个

STREAMS指南为环境和非人类宿主微生物组研究提供标准化报告框架，包含67项核心条目。该指南在STORMS基础上扩展，涵盖从研究设计到数据分析的全流程，特别针对环境研究的特殊性提供操作建议。通过248名研究人员的共识，STREAMS制定了机器可读的DMP工具模板和8个应用案例，推动微生物组数据的FAIR化。作为持续更新的"活文档"，该指南为研究者提供规范化投稿准备，同时为审稿

发现手上的GT-740M，已经太老，算力3.0，早被pytorch抛弃，想要学习下深度学习，基于没好卡，刚好时间还有点，花了一天的时间编译了一下，发现显存是个大难题，可以把数据或模型搞小点吧！主要参考了这两个，基本上是个体力活，只按按照版本来的话是不会报错的，当然，也是挺花时间的，需要6个小时以上，i3-3120M，双核2.5G Hz的CPU。

最近尝试入门点深度学习的内容，首先来个框架试试嘛，tensorflow2.0的GPU要求已经是nvida算力3.5以上的设备，当然，如果你能过G F W，tesla据说可以白嫖。想用自己的设备咋办呢，只有单纯CPU上了，那这速度就无语了，慢上几十倍，毕竟再差的GPU的核心数，也是cpu的几十倍，所以使用opencl，苹果metal等的框架是个不错的选择，在知乎上发现了一个答主推荐plaidml这个

平台集成了数十个插件和数百种方法，支持从扩增子到宏基因组的多种数据类型处理，并且可视化功能强大，交互性良好，适合科研展示与结果解读。目前平台已推出多个“分布版”，例如扩增子分析套件、MOSHPIT 宏基因组工具包、致病基因组检测模块，以及面向开发者的最小框架版，覆盖了从基础研究到临床应用的广泛场景。对于希望深入参与的研究者，无论是否具备编程背景，都有明确的参与路径和贡献指南。QIIME 2 202

实话实说，暂时只有英伟达的GPU才能实现比较方便的基因组分析集成化解决方案，其他卡还需要努力呀，或者需要商业公司或学术团体的努力开发呀！FPGA等这种专用卡的解决方案也是有的，比如某测序仪厂家，某大厂，专门做加速方案的提供商，以及CPU加速方案提供商等。这里，就先看下普通人可及的英伟达啦，AI的普及，以及黑神话的爆火，让大家都有了相对较好的卡，有的实验室新配服务器也加装了一般的GPU算力卡，除了做

前段时间听说USEARCH即将开源，今天另一位小编发现GitHub上已经有开源代码了。我们随即搜索了开源版本的使用效果，发现V12版本的测试结果不尽如人意，具体详情请参阅这篇公众号文章。正当我感到失望时，浏览评论时发现了意外的惊喜——旧版本的64位已经开放下载了！于是我们决定测试一下并向大家分享使用体验，一起试试吧！

摘要（150字） 本研究通过宏基因组与宏转录组分析，揭示了金丝猴肠道微生物组响应季节性饮食变化的适应机制。研究发现野生金丝猴肠道微生物在夏季富集植物次生代谢功能，冬季则转向地衣多糖降解和能量平衡相关菌群（如毛螺菌科），而圈养个体微生物组无显著季节性波动。研究重建了578个宏基因组，其中76.5%为新菌种，凸显了金丝猴肠道微生物的高度新颖性。结果表明肠道微生物通过功能可塑性帮助宿主适应环境变化，为濒