参考基因组的下载

作者: 路人里的路人 | 来源:发表于2023-05-06 17:38 被阅读0次

下载参考基因组的网站/方法

Ensembl：https://ftp.ensembl.org/pub/
Ensemblgenome：http://ftp.ensemblgenomes.org/pub/
NCBI:https://ftp.ncbi.nlm.nih.gov/genomes/
UCSC:ftp://hgdownload.soe.ucsc.edu/goldenPath
JGI:
论文中提供的地址：论文中也会提供数据的储存位置，找到对应的储存网站即可

需要下载的数据

基因组序列(genome.fasta)
基因注释(genes.gtf)
蛋白序列(proteins.fasta)

下载步骤

1.以Ensembl中人(homo_sapiens)的数据为例
打开ftp网址 $\Rightarrow$ 找到最新版本的release版本(release_xxx) $\Rightarrow$ fasta/ $\Rightarrow$ homo_sapiens $\Rightarrow$ dna/*.primary_assembly版本 $\Rightarrow$ 服务器wget命令下载 $\Rightarrow$ 返回release_xxx $\Rightarrow$ gtf/ $\Rightarrow$ homo_sapiens/ $\Rightarrow$ .chr.gtf.gz/.gtf.gz $\Rightarrow$ 服务器wget命令下载 $\Rightarrow$ 返回release_xxx $\Rightarrow$ fasta/ $\Rightarrow$ homo_sapiens/ $\Rightarrow$ pep/ $\Rightarrow$ Homo_sapiens.GRCh38.pep.all.fa.gz $\Rightarrow$ 服务器wget命令下载
其实大部分时候参考基因组的信息都是要从其他地方下载的，查找该物种最新的基因组文章，里面一般会交代他们把基因组数据存放在哪里了。

基因组序列（genome.fasta）处理

如果下载的基因组文件已经将基因分配到不同的染色体上，则需要将他们再重新组装到一个文件中，具体操作为：

gunzip *.fq.gz
#解压以fq.gz结尾的染色体文件
cat *.fa > genome.fa
#将所有解压的染色体拼接成一个文件，用于后续分析
fold -w 60 genome.fa > genome_out.fa
#fold命令将每行的长序列转换成每行60个碱基，因为后续的分析中某些软件不支持单行的过长序列

基因注释文件（genes.gff3/gtf）处理

guzip gff3.fq.gz
#解压gff3压缩文件
less -S gff3.fa
#查看gff3的文件内容

awk '$3=="gene"' HFTH1.gene.gff3 | wc

使用awk命令对gff3文件中的基因数进行统计，也可将gene换成mRNA，观察两者的数目是否一致，一致则说明该物种只研究到转录组水平，若mRNA数多余gene数，则说明研究到了可变剪切水平。
将gff3文件转换成gtf文件

conda create -n gffread
conda activate gffread
conda install -c gffread
gffread -T -o genes.gtf genes.gffs

以上代码展示了安装转换软件gffread的过程并提供了gff3文件转换为gtf文件命令,gtf文件中包含的信息有转录本、外显子、CDS及转录本隶属的基因关系这几行。

蛋白序列文件的处理（proteins.fasta）

若物种没有功能注释文件则需要使用proteins.fasta生成一个功能注释文件。若蛋白序列抬头不是基因的ID则还需要想办法将其处理成抬头为基因ID，参考命令如下：

awk -F '-' '{print $1}' HFTH1.gene.pep.fa > proteins.fasta
#使用awk命令将分隔符换为-,打印第一列并将结果输入到proteins.fasta中

我自己找的蛋白序列文件的抬头是这样的：>KAF5929869.1 hypothetical protein HYC85_000052, partial [Camellia sinensis]，通过替换功能将其变成了>KAF5929869.1_HYC85_000052。再使用以下命令找到每一行中匹配KAF..1*正则表达式的部分，并将其替换为空。

sed -i 's/KAF.*\.1//g' GCA_013676235.1_HZAU_G240_1.0_protein.faa

网友评论

本文标题：参考基因组的下载

本文链接：https://www.haomeiwen.com/subject/qpdfsdtx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！