基因结构注释（3）：转录组预测

对于RNA-seq数据，有两种使用策略，一种是使用HISAT2 + StringTie先比对再组装, 一种是从头组装，然后使用PASA将转录本比对到基因组上。在本篇教程中，只使用有参组装

参考链接：如何对基因组注释

首先，使用HISAT2将RNA-seq数据比对到参考基因组, 这一步和之前相似，但是要增加一个参数--dta，使得StingTie能更好的利用双端信息

hisat2-build LH.mask.fa index/chi_masked ##这个是屏蔽重复序列后的一个待发表基因组，与上两篇推文的基因组不一样
hisat2 --dta -p 20 -x index/chi_masked -1 1-1_R1.fastq -2 1-1_R2.fastq | samtools sort -@ 10 > results/1-1.bam &
hisat2 --dta -p 20 -x index/chi_masked -1 1-2_R1.fastq -2 1-2_R2.fastq | samtools sort -@ 10 > results/1-2.bam &
hisat2 --dta -p 20 -x index/chi_masked -1 1-3_R1.fastq -2 1-3_R2.fastq | samtools sort -@ 10 > results/1-3.bam &
samtools merge -@ 10 results/merged.bam results/1-1.bam results/1-2.bam results/1-3.bam

然后用StringTie进行转录本预测

stringtie -p 10 -o results/merged.gtf results/merged.bam

对于后续的EvidenceModeler而言，它不需要UTR信息，只需要编码区CDS，需要用TransDecoder进行编码区预测

TransDecoder-TransDecoder-v5.5.0/util/gtf_genome_to_cdna_fasta.pl merged.gtf input/chi_masked.fa > transcripts.fasta
TransDecoder-TransDecoder-v5.5.0/util/gtf_to_alignment_gff3.pl merged.gtf > transcripts.gff3
TransDecoder.LongOrfs -t transcripts.fasta
TransDecoder.Predict -t transcripts.fasta
TransDecoder-TransDecoder-v5.5.0/util/cdna_alignment_orf_to_genome_orf.pl \
     transcripts.fasta.transdecoder.gff3 \
     transcripts.gff3 \
     transcripts.fasta > transcripts.fasta.transdecoder.genome.gff3

最后结果transcripts.fasta.transdecoder.genome.gff3用于提供给EvidenceModeler