前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >RNAseq 1.2

RNAseq 1.2

原创
作者头像
conanma
修改2021-09-07 18:11:51
3720
修改2021-09-07 18:11:51
举报
文章被收录于专栏:正则正则

目录

1.Module 1 - Introduction to RNA sequencing

  1. Installation
  2. Reference Genomes
  3. Annotations
  4. Indexing
  5. RNA-seq Data
  6. Pre-Alignment QC

2.Module 2 - RNA-seq Alignment and Visualization

  1. Adapter Trim
  2. Alignment
  3. IGV
  4. Alignment Visualization
  5. Alignment QC

3.Module 3 - Expression and Differential Expression

  1. Expression
  2. Differential Expression
  3. DE Visualization
  4. Kallisto for Reference-Free Abundance Estimation

4.Module 4 - Isoform Discovery and Alternative Expression

  1. Reference Guided Transcript Assembly
  2. de novo Transcript Assembly
  3. Transcript Assembly Merge
  4. Differential Splicing
  5. Splicing Visualization

5.Module 5 - De novo transcript reconstruction

  1. De novo RNA-Seq Assembly and Analysis Using Trinity

6.Module 6 - Functional Annotation of Transcripts

  1. Functional Annotation of Assembled Transcripts Using Trinotate

1.2 Reference Genomes

从Ensembl、iGenomes、NCBI或UCSC获得参考基因组。在本例分析中,我们将使用人GRCh38版本的Ensembl基因组。此外,我们实际上将只使用单个染色体(chr22)和ERCC spikein来执行分析,以使它运行得更快……

创建必要的工作目录

代码语言:javascript
复制
mkdir RNA_ref

这些s数据可以在ftp://ftp.ensembl.org/pub/release-86/fasta/homo_sapiens/dna/找到。你可以使用wget下载homo_sapien . grch38 .dna_sm.primary_assembly.fa.gz文件,然后解压缩/解压。

代码语言:javascript
复制
cd RNA_ref
wget http://genomedata.org/rnaseq-tutorial/fasta/GRCh38/chr22_with_ERCC92.fa
ls 

查看该文件的前10行。为什么会是这个样子

代码语言:javascript
复制
head chr22_with_ERCC92.fa

这个文件中有多少行和字符?这条染色体有多长(碱基和Mbp)

代码语言:javascript
复制
wc chr22_with_ERCC92.fa
 848761   848764 51751056 chr22_with_ERCC92.fa

查看大约从该文件中间开始的10行。大小写字符的意义是什么?

代码语言:javascript
复制
head -n 425000 chr22_with_ERCC92.fa | tail
ggaggctgaggcaggagaatcgcttgaacatgggaggtggaagttgcagtgagccgaaac
tgcgccattgcactatagcctgggcaacaagagtgaaagtctgtcttgaaaaaaaaaaaT
CAGATGTTCTATGTAAAAATGCTATCTAtgattgaagtataaaactttacctccctttat
gttcctttgccctccccactatttattattgtcttgattatatcttctatatgcattgag
aggtgttataacttttgtatcaatcaccaaatttaatttagaaaatataagaggagaaga
aaagtctattacatttactcatatttttgcttactgtgttctttcttccttcttgatgtt
ccagaatttcttttattgcttcttttctgcttagaaaactttatctttttctttcatctt
tcttttttcctcctcctcctcctcctcctttttttttttttttttttttttttttttaat
aaagagacagggtctcactctatcacccagactggagttcagtgatgcaatcatagctca
ttgcaaccttgaactcctgggctcaagtgatcctcccacctcagcctcctgagtagctgg

在整个参考基因组文件中每个碱基的计数是多少(跳过每个序列的标题行)?

代码语言:javascript
复制
cat chr22_with_ERCC92.fa | grep -v ">" | perl -ne 'chomp $_; $bases{$_}++ for split //; if (eof){print "$_ $bases{$_}\n" for sort keys %bases}'

A 4455938
C 4406493
G 4411768
N 10710000
T 4445994
Y 1
a 5950524
c 4772185
g 4853055
n 948691
t 5946575

请记住引用序列(染色体)的名称必须与注释gtf文件(在下一节中描述)中匹配。

练习2

22号染色体上有多少个碱基对应于重复的元素?整个长度占的百分比是多少

代码语言:javascript
复制
cat chr22_with_ERCC92.fa | perl -ne 'if ($_ =~ /\>22/){$chr22=1}; if ($_ =~ /\>ERCC/){$chr22=0}; if ($chr22){print "$_";}' > chr22_only.fa
cat chr22_only.fa | grep -v ">" | perl -ne 'chomp $_; $r+= $_ =~ tr/a/A/; $r += $_ =~ tr/c/C/; $r += $_ =~ tr/g/G/; $r += $_ =~ tr/t/T/; $l += length($_); if (eof){$p = sprintf("%.2f", ($r/$l)*100); print "\nrepeat bases = $r\ntotal bases = $l\npercent repeat bases = $p%\n\n"}'

repeat bases = 21522339
total bases = 50818468
percent repeat bases = 42.35%

22号染色体序列中出现多少个EcoRI限制位点?EcoRI限制性内切酶识别序列为5'- GAATTC -'3。

代码语言:javascript
复制
cat chr22_only.fa | grep -v ">" | perl -ne 'chomp $_; $s = uc($_); print $_;' | perl -ne '$c += $_ =~ s/GAATTC/XXXXXX/g; if (eof){print "\nEcoRI site (GAATTC) count = $c\n\n";}'
EcoRI site (GAATTC) count = 3935

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 目录
  • 1.2 Reference Genomes
  • 练习2
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档