mirdeep2识别novel miRNA

欢迎关注”生信修炼手册”!

得益于NGS测序技术和生物信息学的发展，我们可以通过NGS测序数据识别新的miRNA，大大加快了miRNA的研究进程。

mirdeep2这个软件不仅可以对miRNA进行定量，也可以用于识别新的miRNA, 只需要有small RNA文库的测序reads和参考基因组的序列即可，步骤如下

1. 将reads和参考基因组进行比对

基本用法如下

mapper.pl mirdeep.unique.fa -c -j -q -p ref_bowtie -t reads_vs_genome.arf -v

需要对参考基因组建立bowtie1的索引。

2. 根据reads和基因组比对的结果，预测novel miRNA

基本用法如下

miRDeep2.pl reads.fa genome_fasta  reads_vs_genome.arf

软件的操作相当简单，只有两个步骤，实际上在第二步中封装了所有的处理细节。

首先就是mapping结果进行过滤，只保留能够完全精确比对上基因组， 而且长度在18到25bp的reads, 同时去除在基因组的hit超过5个的reads，代码如下

parse_mappings.pl file_reads_vs_genome -a 0 -b 18 -c 25 -i 5 > dir_tmp/${parsed_arf}_parsed.arf

过滤之后的比对结果，用于预测miRNA前体序列，代码如下

excise_precursors_iterative_final.pl file_genome dir_tmp/${parsed_arf}_parsed.arf dir_tmp/precursors.fa dir_tmp/precursors.coords max_pre

将reaads与预测出的miRNA前体序列进行比对，代码如下

prepare_signature.pl file_reads dir_tmp/precursors.fa read_align_mismatches -o dir_tmp/signature.arf

RNAfold预测miRNA前体的二级结构，代码如下

RNAfold < dir_tmp/precursors.fa --noPS > dir_tmp/precursors.str

运行miRDeep2的核心算法，代码如下

miRDeep2_core_algorithm.pl dir_tmp/signature.arf dir_tmp/precursors.str -v -50 -l longest_id

执行survey分析，代码如下

survey.pl dir/output.mrd -a dir_tmp/output_permuted.mrd -d stack_height_min > dir/survey.csv

运行permuted controls，代码如下

miRDeep2_core_algorithm.pl $dir_tmp/signature.arf $dir_tmp/precursors.str -v -50
perform_controls.pl dir_tmp/command_line dir_tmp/precursors.str 100 -a > dir_tmp/output_permuted.mrd

输出结果，代码如下

make_html.pl -f $dir/output.mrd -p dir_tmp/precursors.coords -v sc -s dir/survey.csv -c -e -r ${scripts}Rfam_for_miRDeep.fa -y time sort_by_sample OE

详细探究算法的每个细节，工作量是巨大的，但是从整理框架上理解算法的大概过程，只需要花费一点时间即可做到，有助于更好掌握算法的使用场景和必须的输入信息。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！