小麦RNA-seq利用hisat2构建index过程

根据简书崔女神文章https://www.jianshu.com/p/071c1757ded1
利用hisat2来构建小麦的转录组的索引文件，服务器内存64G，构建的命令如下：

gunzip Triticum_aestivum.IWGSC.dna.toplevel.fa.gz #参考基因组来自于ensembl
gunzip Triticum_aestivum.IWGSC.44.gtf.gz#注释文件同样来自于ensembl
#解压.gz文件 
source activate rna
#启动rna环境
hisat2_extract_exons.py Triticum_aestivum.IWGSC.44.gtf > exons_wheat.txt
hisat2_extract_splice_sites.py Triticum_aestivum.IWGSC.44.gtf >ss_wheat.txt
#利用hisat2提取外显子位置到exons_wheat.txt ，可变剪切位置到ss_wheat.txt

hisat2-build -p 8 --ss ss_wheat.txt --exon exons_wheat.txt Triticum_aestivum.IWGSC.dna.toplevel.fa IWGSC
#利用hisat-build构建小麦转录组比对的索引文件， -p 8为 8线程，--ss 可变剪切文件，--exon 外显子文件，后接参考基因组，index文件前缀为IWGSC

image.png

构建过程中提示提示内存不足，但是可自动优化参数，构建时间全长大约为3个小时。

image.png
构建成功后的文件有两种，分别是：.rf 和.ht2l，根据hisat说明，构建完成会生成6个ht2文件，但是对于文件较大的索引文件，后缀为：ht2l。
image.png

构建后的索引大小

IWGSC.1.ht2l 16M
IWGSC.2.ht2l 4B（你没有看错，是4B）
IWGSC.3.ht2l 12M
IWGSC.4.ht2l 3.4G
IWGSC.7.ht2l 25M
IWGSC.8.ht2l 3.7M

image.png

但是rf文件还不确定有何用，经研究和设置的线程数有关，8个线程即生成8个rf文件，20个线程即生成20个rf文件。

至此，小麦RNA-seq索引文件构建完毕，本人连续3次构建了小麦的index文件，文件大小略有不同，下一步测试比对index是否可用，同时测试run out of memory是否对索引文件构建的成功与否有影响，感谢崔老师。