转录组 | 参考基因组

作者: 生信师姐 | 来源:发表于2022-03-12 17:42 被阅读0次

    三个常用参考基因组数据库:

    • Ensembl官网

      image
    image image image image
    • 参考基因组注释文件

      image
    image image image
    习题

    1.fastq与fasta文件转换

    应用:加深对两种文件格式的理解,并且fa有后续应用。

    #进入fastq目录
    less -S SRR1039510_1.fastq.gz | paste - - - - |awk '{print $1"\n"$4}' >SRR1039510_1.fa
    
    
    #将@替换为>
    sed -i 's/@/>/g' SRR1039510_1.fa
    
    
    image

    2.使用fa文件做NT比对,得到测序样本的NT比对信息

    应用:随机收取2000reads做NT比对,可以发现测序样本是否含有其他物种污染等。

    3.从gff或者gft文件中获取基因的ID与symbol对应关系,以及biotype类型

    应用:ID与symbol转换本地化,不依赖于第三方工具和软件包,并可以根据biotype类型区分mRNA,lncRNA以及miRNA等信息。

    hisat2比对

    image image
    # 进入参考基因组目录
    cd ~/database/genome/Ensembl/Homo_sapiens/GRCh38_release95
    
    
    # Hisat2构建索引
    hisat2-build Homo_sapiens.GRCh38_release95.genome.fa Homo_sapiens.GRCh38_release95.genome
    
    
    # 输入输出定义文件夹
    index=~/database/genome/Ensembl/Homo_sapiens/GRCh38_release95/Homo_sapiens.GRCh38_release95.genome.
    inputdir=~/project/Human_16-Asthma-Trans/data/cleandata/trim_galore
    outdir=~/project/Human_16-Asthma-Trans/Mapping/Hisat2
    
    
    image
    # 单个样本比对
    hisat2 -p 3  -x  ${index} -1 ${inputdir}/SRR1039510_1_val_1.fq.gz -2 ${inputdir}/SRR1039510_2_val_2.fq.gz -S ${outdir}/SRR1039510.Hisat_aln.sam
    
    
    image image image image
    # sam转bam
    samtools sort -@ 3 -o SRR1039510.Hisat_aln.sorted.bam SRR1039510.Hisat_aln.sam
    
    
    # 对bam建索引
    samtools index SRR1039510.Hisat_aln.sorted.bam SRR1039510.Hisat_aln.sorted.bam.bai
    
    
    # 多个样本批量进行比对,排序,建索引
    # Hisat.sh内容
    cat /teach/project/Human-16-Asthma-Trans/data/rawdata/sra/sampleId.txt | while read id
    do
        echo "hisat2 -p 3 -x ${index} -1 ${inputdir}/${id}_1_val_1.fq.gz -2 ${inputdir}/${id}_2_val_2.fq.gz 2>${id}.log  | samtools sort -@ 5 -o ${outdir}/${id}.Hisat_aln.sorted.bam -  && samtools index ${outdir}/${id}.Hisat_aln.sorted.bam ${outdir}/${id}.Hisat_aln.sorted.bam.bai"
    done >Hisat.sh
    
    
    
    # 提交后台运行
    nohup sh Hisat.sh >Hisat.log &
    
    
    # 统计比对情况
    multiqc -o ./ SRR*log
    
    

    subjunc比对

    image
    # 进入参考基因组目录
    cd /teach/database/genome/Ensembl/Homo_sapiens/GRCh38_release95
    
    
    # subjunc构建索引
    subread-buildindex -o Homo_sapiens.GRCh38_release95.genome Homo_sapiens.GRCh38_release95.genome.fa
    
    
    # 输入输出定义文件夹
    index=/teach/database/genome/Ensembl/Homo_sapiens/GRCh38_release95/Homo_sapiens.GRCh38_release95.genome
    inputdir=/trainee2/Oct12/project/project_test/data/cleandata/trim_galore
    outdir=/trainee2/Oct12/project/project_test/Mapping/subjunc
    
    
    # subjunc单样本比对
    subjunc -T 3 -i ${index} -r ${inputdir}/SRR1039510_1_val_1.fq.gz -R ${inputdir}/SRR1039510_2_val_2.fq.gz -o ${outdir}/SRR1039510.Subjunc.bam 1>${outdir}/SRR1039510.Subjunc.log 2>&1
    
    
    # subjunc多样本比对
    cat /teach/data/airway/sra/sampleId.txt | while read id
    do
        echo "subjunc -T 1 -i ${index} -r ${inputdir}/${id}_1_val_1.fq.gz -R             ${inputdir}/${id}_2_val_2.fq.gz -o ${outdir}/${id}.Subjunc.bam 1>${outdir}/${id}.Subjunc.log 2>&1 && samtools sort -@ 6 -o ${outdir}/${id}.Subjunc.sorted.bam  ${outdir}/${id}.Subjunc.bam   && samtools index ${outdir}/${id}.Subjunc.sorted.bam ${outdir}/${id}.Subjunc.sorted.bam.bai "
    done >subjunc.sh
    
    # 运行
    nohup sh subjunc.sh >subjunc.log &
    
    

    SAM/BAM格式

    image image image image
    • 统计比对结果

      image
    # 进入比对文件夹
    cd ~/project/Human-16-Asthma-Trans/Mapping/Hisat
    
    
    # 单个样本
    samtools flagstat -@ 3 SRR1039510.Hisat_aln.sorted.bam
    
    
    ls *.sorted.bam | while read id
    do
        echo "samtools flagstat -@ 1 ${id} > ${id/bam/flagstat} "
    done >flagstat.sh
    
    
    # 运行
    nohup sh flagstat.sh >flagstat.log &
    
    
    # 质控
    multiqc -o ./  *.flagstat
    
    

    转自:https://www.jianshu.com/p/469eb2065fe5

    相关文章

      网友评论

        本文标题:转录组 | 参考基因组

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