二代、三代测序被广泛应用，组学数据爆发，经常会遇到需要可视化比对效果的情况，常用的可是化工具就是IGV, samtools, tablet等，但是在本地处理的时候，经常会由于文件过大而打不开，所以我们需要截取关注的目标区域（染色体或基因），进一步可视化。

测序比多效果检查（IGV可视化）

1.首先需要了解常见的文件格式（基础数据）

（1）常见的基因组参考文件：fasta文件（缩写可能是.fa，分染色体的ATCG序列文本）
（2）基因组注释文件：gtf或gff文件（可以互相转化，内含基因组注释信息的文本文件）；bed文件（另一种记录注释信息的文本文件）
（3）测序数据下机文件：fastq或fasta文件（也是TACG序列的文本文件，一条一条测到的read的记录，非常大）
（4）测序数据比对参考基因组后的文件：sam或bam文件（SAM就是把序列比对到基因组的文本文件，bam是其二进制的格式，可互相转化）

普通分析人员以上文件都基本听过就好，反正后面都能跑起来，对于生信工程师具体内部结构和信息其实只是基础知识。

2. 常用软件及其常用命令（提取序列）

可以从fasta中提取基因序列的4款软件 - 简书 (jianshu.com)

1. 利用samtools截取基因组上指定位置的序列
需要对照基因组注释文件查看目标基因或序列的位置（染色体名字:起始位点-终止位点）

# 1. 生成后缀为.fai 的文件索引文件（为了快速提取用的）'
samtools faidx input.fa  # input.fa是指你的参考基因组文件路径
# 2. 可选 （调整统一，你的fasta文件除了最后一行，其他行必须等长，一般都是没问题的）
seqtk seq -l 50 -L 50 input.fa >input1.fa
# 3. 提取
samtools faidx input.fa chr1 > chr1.fa # 直接提取一个染色体
samtools faidx input.fa chr1:10-20 > chr1.fa # 提取片段

参见：https://www.omicsclass.com/article/1169

2.用seqkit从fasta文件中提取gene/cds/exn/scaffold等序列

gffread GRCh38.gtf -g GRCh38.fa -w input.transcripts.fa # 所有基因基因'
seqkit grep -f requre.txt input.transcripts.fa > output.fa # requre.txt 是一个基因名的list

参照：https://zhuanlan.zhihu.com/p/619528554
(扩展：如果是要全部的基因/蛋白/cds序列，用gffread直接提取全部类别序列：https://zhuanlan.zhihu.com/p/439168788)

3. 用samtools提取bam文件序列

# 1. 对bam文件排序（默认的bam文件是乱序的，可以按照染色体循序排序）
samtools sort -@ 4 -o output.sort.bam input.sam # -@加线程数目 
# 2. 构建索引（要用排序后的bam）
samtools index -@ 4 output.sort.bam 
# 3. 提取目标区域 （注意自己选择要的输出方式SAM/BAM）
samtools view output.sort.bam NC_007897.1 -O BAM -o NC_007897.1.bam #提取比对到  NC_007897.1 Scaffold 的reads输出到NC_007897.1.bam （并输出成bam格式）
samtools view output.sort.bam chr20:100000-200000 > chr20_100k-200k.sam # 提取chr20上100k到200k区域的比对结果（输出成sam格式）

samtools view -bS test.sam > test.bam SAM转BAM
samtools view -h test.bam | less 查看bam文件（-h加上会显示头文件）

【注意：samtools和seqkit还有其他非常好用的功能，这里不再扩展，大家可以自行去看】

3. 可视化软件的使用（可视化）

接下来的操作就比较简单了，把提取的fasta文件+对应的gtf文件+提取的bam文件读入软件，就可以开始可视化了，具体大家可以自行学习，这里挂几个不错的连接：
IGV、Tablet、Samtools——比对可视化怎么做？ - 知乎 (zhihu.com)

1. IGV使用（一般是可视化界面，好看，用的广泛）
   基因组可视化软件IGV的使用方法_哔哩哔哩_bilibili
   IGV的使用教程直播回放来咯~_哔哩哔哩_bilibili
   IGV基因组浏览器打开BAM文件查看reads比对情况 - 简书 (jianshu.com)
   基本上看完这两个视频和自己学会安装就搞定IGV了，最后是一个全流程指南。
2. samtools（coding的界面，用途很多，使用也比较广）
   samtools的安装和使用 - 简书 (jianshu.com)
   Samtools - 上海交大超算平台用户手册 Documentation (sjtu.edu.cn)
   samtools tview 可视化查看比对结果 - 组学大讲堂问答社区 (omicsclass.com)
   samtools的交互可视化需要用到samtools tview这个功能，注意conda装的用不了，需要手动安装github包&make&make install三部曲。
3. tablet(小众可视化界面，和IGV差多不，但是听说更好看)

---

Mark： 后面还会写一个多条基因序列比对的笔记，可以对比学习（和这里讲的测序数据与参考基因组的比对(map)效果可视化，后面会讲的是多条序列（也可能是来着不同物种基因组已经测得的）内部之间的相似性比较）