RNA-seq(4):下载参考基因组及基因注释

  • 1.在 UCSC 下载 hg19 参考基因组;
  • 2.从 gencode 数据库下载基因注释文件,并且用 IGV 去查看感兴趣的基因的结构,比如TP53,KRAS,EGFR 等等。
  • 3.截图几个基因的 IGV 可视化结构
  • 4.下载 ENSEMBL,NCBI 的 gtf,也导入 IGV 看看,截图基因结构
  • 5.了解 IGV 常识 来源于生信技能树:http://www.biotrainee.com/forum.php?mod=viewthread&tid=1750#lastpost

1 UCSC下载hg19参考基因组

测序得到的是几百bp的短read, 相当于把拼图打散了给你。如果没有参考基因组,从头(de novo)组装等于是重走人类基因组计划的老路,也就是打散了拼图,却不告诉你原来是什么样子,那么任务将会及其艰巨。 还好人类基因组已经组装好了,我们只需要把我们测得序列回贴(mapping)回去,毕竟人与人之间的差距只有不到1%差异, 允许mismatch就行。 因此第一步就是要去UCSC(http://genome.ucsc.edu/index.html)下载hg19参考基因组(文献要求)

那下载哪个基因组呢?先了解一下: https://bitesizebio.com/38335/get-to-know-your-reference-genome-grch37-vs-grch38/

hg19、GRCH37、 ensembl 75 这 3 种基因组版本应该是大家见得比较多的了,国际通用的人类参考基因组,其实他们储存的是同样的 fasta 序列, 只是分别对应着三种国际生物信息学数据库资源收集存储单位,即 NCBI,UCSC 及ENSEMBL 各自发布的基因组信息而已。有一些参考基因组比较小众,存储的序列也不一样,比如 BGI 做的炎黄基因组,还有 DNA 双螺旋结构提出者沃森(Watson)的基因组,还有 2016 年发表在 nature 上面的号 称最完善的韩国人做的基因组。前期我们先不考虑这些小众基因组,主要就下载 hg19 和 hg38,都是 UCSC 提供的,虽然 hg38 相比 hg19 来说,做 了很多改进,优点也不少,但因为目前为止很多注释信息都是针对于 hg19 的坐标系统来的,我们就都下载了,正好自己探究一下。也顺便下载一个小鼠的最新版参考基因组吧,反正比对也就是睡个觉的功夫,顺便分析一下结果,看看比对率是不是很低。(http://www.bio-info-trainee.com/1985.html) 基因组各种版本对应关系:http://www.bio-info-trainee.com/1469.html

# 下载USCS版本的hg19
$ mkdir /mnt/f/rna_seq/data/reference && cd /mnt/f/rna_seq/data/reference
$ mkdir -p genome/hg19 && cd genome/hg19
$ wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz & tar -zxvf chromFa.tar.gz# 解压,得到所有染色体的信息
# 将所有的染色体信息整合在一起,重定向写入hg19.fa文件,得到参考基因组
$ cat *.fa > hg19.fa
# 将多余的染色体信息文件删除,节省空间
$ rm -rf chr*

备注:用wget下载速度实在龟速,下下来显示需要N天,最后我用迅雷下载,用时大概3h。


这个时间我们可以去下UCSC看看.......

2 下载基因组注释文件

然而参考基因组是一部无字天书,要想解读书中的内容,需要额外的注释信息协助。因此第二步,就是去gencode数据库(http://www.gencodegenes.org/)下载基因组注释文件

这里有基因组版本对应信息 https://www.gencodegenes.org/releases/19.html

Release 19(GTF_GFF3 files).png

下载基因组注释文件

cd /mnt/f/rna_seq/data/reference/genome/hg19
wget ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gtf.gz
$ wget ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gff3.gz
$ gunzip *.gz && rm -rf *.gz
这个下载速度还是完全可以接受

3 IGV(Integrative Genomics Viewer)Integrative Genomics Viewer下载和使用

igv有几个版本

igv各个版本.png

  • 1 下载windows版本,安装到本地进行可视化

下载地址:http://data.broadinstitute.org/igv/projects/downloads/2.4/IGV_Win_2.4.13.zip 安装后解压缩,

igv24_hm.png

igv.bat打开,稍等便可打开。

  • 2 下载linux版本,命令行打开
# 进入IGV官网,并下载相应的软件包,有Windows,Mac,和LINUX,这里我下载Linux二进制包
$ cd ~/src
$ wget http://data.broadinstitute.org/igv/projects/downloads/IGV_2.3.97.zip
$ unzip IGV_2.3.97.zip && mv IGV_2.3.97 ~/biosoft
# 添加环境变量
$ vim ~/.bashrc
PATH=$PATH:~/biosoft/IGV_2.3.97
$ source ~/.bashrc
# 运行IGV,Linux直接运行igv.sh可以开启IGV窗口,但是会比较慢,要耐心等待。
$ igv.sh

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Golang语言社区

高并发服务器的设计--架构与瓶颈的设计

做架构设计,难免有时候被人问及系统的瓶颈在哪,那首先来了解下什么是瓶颈? 打个形象的比方,人的嘴巴可以吞下一整个面包,但是却咽不下去,因为食管不给力,它比较细,...

76480
来自专栏小白课代表

犀牛Rhino3.0安装教程

18630
来自专栏Cloud Native - 产品级敏捷

微服务架构 (五): 获取微服务数据, 生成报表

2016.8.17, 深圳, Ken Fang 架构师在设计从多个微服务取数据, 而生成报表的架构设计方案时, 往往面临著需在边界上下文 (Bounded Co...

241100
来自专栏安富莱嵌入式技术分享

【二代示波器教程】第14章 uCOS-III操作系统版本二代示波器实现

本章教程为大家讲解uCOS-III操作系统版本的二代示波器实现。主要讲解RTOS设计框架,即各个任务实现的功能,任务间的通信方案选择,任务栈,系统栈以及全局变量...

19650
来自专栏数据和云

DBA生存警示:系统级误删除案例及防范建议

编辑手记:对于资深的老DBA们,他们在漫长的职业生涯中养成了很多稀奇古怪的守则,以在复杂多变的环境中“幸存”,这源于无数血泪的教训,我曾经在《数据安全警示录》...

29940
来自专栏安富莱嵌入式技术分享

【RL-TCPnet网络教程】第6章 RL-TCPnet底层驱动说明

本章节为大家讲解RL-TCPnet的底层驱动,主要是STM32自带MAC的驱动实现和PHY的驱动实现。

22520
来自专栏架构之路

超清晰的makefile解释、编写与示例

Makefile范例教学 Makefile和GNU make可能是linux世界里最重要的档案跟指令了。编译一个小程式,可以用简单的command来进行编译;稍...

68480
来自专栏FSociety

Python爬取猫眼「碟中谍」全部评论

评论算保存完了,近期会再做一个关于此次数据的可视化分析。另外阿汤哥真心太帅了,全程打肾上腺素,各位还没去看的赶紧~

9400
来自专栏视频咖

如何写出一手好的小程序代码,从架构说起

? 作为微信小程序底层 API 维护者之一,经历了风风雨雨、各种各样的吐槽。为了让大家能更好的写一手小程序,特地梳理一篇文章介绍。如果有什么吐槽的地方,欢迎去...

63920
来自专栏编程微刊

highcharts中的x轴如何显示时分秒时间格式

上一篇文章写道:三分钟上手Highcharts简易甘特图:https://www.jianshu.com/p/d669d451711b,在官方文档里面,x轴默认...

33020

扫码关注云+社区

领取腾讯云代金券