pujvzi的个人博客分享 http://blog.sciencenet.cn/u/pujvzi

博文

转录组数据的分析

已有 12205 次阅读 2018-9-8 11:21 |个人分类:生信|系统分类:科研笔记| 转录组, pujvzi, tophat, culllinks

 

转录组数据的分析

 

(1)转录组测序以两组比较实验为例实验组为T,对照组为C,每组三个重复,T1,T2,T3,C1,C2,C3。诺禾致源返回的文件为T1_1_clean.fq,T1_2_clean.fq,T2_1_clean.fq,T2_2_clean.fq,T3_1_clean.fq,T3_2_clean.fq,C1_1_clean.fq,C1_2_clean.fq,C2_1_clean.fq,C2_2_clean.fq,C3_1_clean.fq,C3_2_clean.fq。需要注意如果测序结果中含有接头序列需要剔除

(2)分析方法参考文献”Differential gene and transcript expression analysisssss of RNA-seq experiments with TopHat and Cufflinks“。

(3)操作系统乌班图优麒麟

(4)软件安装/home/usrname/文件夹也就是~/)下建立bin文件夹#mkdir /home/usrname/bin将这个文件夹添加到系统路径中# export PATH=$PATH:/home/usrname/bin (如不了解此命令可以到网上查不要把默认的系统路径删除)。

(5)下载samtools(samtools-0.1.17.tar.bz2,版本可以改变但我这里没有试过过高的版本需要配置);bowtie(bowtie-0.12.7linux的二进制版本太高版本需配置参数);tophat(1.3.2linux的二进制版本)。解压了bowtietophat压缩包后里面的二进制文件全部拷贝到/home/usrname/bin解压samtools进入文件夹,# make,然后文件夹里生成可执行文件samtools,将之拷贝到/home/usrname/bin

(6)~文件夹下新建文件夹比如“RNAseq_XXX”,将诺禾致源返回的clean.fq文件拷贝进去如果为fq.gz,# gunzip ./*将之解压)。

(7)建立基因组索引文件并下载GTF(General/Gene transfer format)文件首先下载基因组序列注意基因组的版本号与注释文件的版本号要一致)。比如下载UCSC hg38基因组http://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz。可以将基因组文件合并cat *.fa > XX.fa,也可以不合并基因组文件下载完毕之后,# bowtie-build 基因组.fa 基因组名比如hg19.fa,可以写hg19,此是bowtie生成的基因组文件的前缀)。

GTF文件可以用如下方式下载

http://genome.ucsc.edu/cgi-bin/hgTables,


 





点击get output。

(8)比对此步骤耗费很长时间可多线程并行但不解决速度问题我的每个重复耗时一天则大约一周运行完。)。建立符号链接#ln -s GTF_file_path workingDirectoryPath,#ln -s Bowtie_index_filePath/* workingDirectoryPath。如果不创建符号链接可能会报错

# tophat -p 8 -G GTF文件路径 -o TH_输出文件的文件夹 基因组索引位置所在文件夹/索引前缀 fq文件可以多个中间以空格分开)。

这一步运行完之后会生成日志文件夹、accepted_hits.bam文件、deletions.bed文件、insertions.bed文件、junctions.bed文件、left_kept_reads.inforight_kept_reads.info文件

 

(9)运行完以上程序或每个重复运行完后执行如下命令

# culllinks -p 8 -o CL_输出文件夹 TH_输出文件的文件夹/accepted_hits.bam

这步运行完后会生成四个文件:genes.fpkm_tracking,isoforms.pfkm_tracking,skipped.gtf,transcripts.gtf。

 

(10)整合转录组注释

先构建一个文档文件名为assemblies.txt,内容如下

./CL_输出文件夹1/transcripts.gtf

./CL_输出文件夹2/transcripts.gtf

./CL_输出文件夹3/transcripts.gtf

./CL_输出文件夹4/transcripts.gtf

./CL_输出文件夹5/transcripts.gtf

./CL_输出文件夹6/transcripts.gtf

然后

# cuffmerge -g GTF文件路径 -s 基因组.fa 8 assemblies.txt

 

漫长的等待后一个小时

(11)鉴定差异表达基因

# cuffdiff -o diff_out -b 基因组.fa -p 8 -L group1Name,group2Name(注意逗号) -u merged_asm/merged.gtf ./TH_输出文件的文件夹1accepted_hits.bam,./TH_输出文件的文件夹2accepted_hits.bam,./TH_输出文件的文件夹3ccepted_hits.bam(注意粉色逗号)  (此处有空格前边是第一组的bam文件后边是第二组的bam文件)./TH_输出文件的文件夹1accepted_hits.bam,./TH_输出文件的文件夹2accepted_hits.bam,./TH_输出文件的文件夹3ccepted_hits.bam

漫长的等待后大概24小时),diff_out文件夹拷贝到windows系统分析结果

 

 




https://blog.sciencenet.cn/blog-331314-1133590.html

上一篇:来MRC LMB工作的感受
下一篇:乌班图操作系统与软件的安装
收藏 IP: 218.19.136.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-5 19:23

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部