在上一期中我们得到了cleandata，接下来是要比对到参考基因上进行比对过程的分析。一般来说，在比对之前，我们可以选择先去除rRNA序列然后再与参考基因组进行比对，文章中采用的策略也是如此：
image-20210713202505327.png
那么你或许会有以下几个随着而来的问题：
- 1.为什么测序数据中会出现rRNA？
- 2.rRNA不去除与去除会对我后面的分析造成什么样的影响？
rRNA背景知识
在进行具体操作之前，我们可以来先了解一下rRNA这个东西。
首先，看rRNA在整个细胞中的组成比例：从mass指标来看，一个哺乳动物的细胞中rRNA占比最多，能达到80-90%
image-20210713203007244.png
比例：
image-20210713220458206.png
Note：Estimate of RNA levels in a typical mammalian cell。ref：Front Genet. 2015 Jan 26;6:2
rRNA在参考基因组上存在多个copy：比对时会造成数据比对结果中多比率偏高。rRNA的存在对后续的影响就主要看后面的分析使用的是唯一比对reads还是所有比对上的reads了。那么，数据中为什么会测到rRNA呢？这就跟前期建库采用的策略有关系了，去除rRNA的试剂盒的效率等问题。
此次，我们先去文中提到的网址下载rRNA序列，然后使用bowtie2进行比对。
rRNA序列下载
打开NCBI网址，选择Taxonomy数据库，输入10090，10090为小鼠的物种ID
image-20210720003031428.png
选择右侧 Nucleotide
image-20210720003206305.png
保存
image-20210720003726949.png
下载下来的数据：fasta格式
image-20210720003900895.png
确认一下下载是否完整，为82条：
image-20210720004249139.png
rRNA比对保存没有比对上的序列
首先，建索引：
bowtie2-build Mus_musculus.rRNA.fa Mus_musculus.rRNA
索引结果：
image-20210720010555682.png
比对：
mkdir bowtie2
# 换成自己的路径,注意index为索引前缀
index=/path/rRNA_index/Mus_musculus.rRNA
od=/path/bowtie2
# 单端数据
ls *gz |while read id
do
sam=${id%_*};
nohup bowtie2 -x $index --un-gz ${od}/${sam}.derRNA.fq.gz -U $id -p 8 -S ${od}/${sam}.rRNA.mapped.sam 2>${od}/${sam}.log &
done
# 双端数据
可以看文献中的代码，文献中提供的为双端数据
比对完之后的数据：
image-20210714001313058.png
后续更新~
网友评论