博文
测序分析注意事项（一）--小心已知注释Refseq中的暗雷
||
我是参照第20120723期集结号-转录组测序分析中cufflinks的使用及问题 和 如何将几个不同的基因组注释文件合并起来 的方法进行转录组分析，
但我用中间产生的的gtf文件上传到UCSC，提示错误“Error File 'slim.norandom.gtf' - GFF/GTF group NM_009362 on chr17-, this line is on chr5-, all group members must be on same seq and strand
”
此报错提示我的gtf格式出错了！！
于是我查看gtf文件，发现如下：
但我用中间产生的的gtf文件上传到UCSC，提示错误“Error File 'slim.norandom.gtf' - GFF/GTF group NM_009362 on chr17-, this line is on chr5-, all group members must be on same seq and strand
”
此报错提示我的gtf格式出错了！！
于是我查看gtf文件，发现如下：
恍然大悟，一个NM_009362号居然对应了多个位置。 于是我又查看我的下载的refseq注释，发现其中居然有4482重复的NM号。
这太坑人了。refseq居然提供的数据这么不人性化，既然NM_009362有两个duplicate，就应该加个标识NM_009362.1 NM_009362.2
没办法，只能从来一摸子，事先对下载的refseq进行了重命名操作。命令如下：
这太坑人了。refseq居然提供的数据这么不人性化，既然NM_009362有两个duplicate，就应该加个标识NM_009362.1 NM_009362.2
没办法，只能从来一摸子，事先对下载的refseq进行了重命名操作。命令如下：
sort -t $'\t' -k 4,4 refseq.bed | awk -F "\t" '{if(it!=$4){i=0;it=$4;} else { i++;$4=$4"_dup"i;}OFS="\t" ;print $0; }'
这样再进行后序分析，一切OK！！
https://blog.sciencenet.cn/blog-777771-616616.html
上一篇：强烈推荐－SAS9.1.3中文全功能版软件下载
下一篇：常用的Epigenomics(表观遗传学)数据
