基因课FTP地址：ftp://http://gsx.genek.tv/2020-3-10%E7%9B%B4%E6%92%AD%E4%B8%80%E4%B8%AA%E5%AE%8C%E6%95%B4%E7%9A%84%E8%BD%AC%E5%BD%95%E7%BB%84%E9%A1%B9%E7%9B%AE/
听张旭东老师的课

服务器间数据拷贝

两台服务器间的数据拷贝 用 scp 用户名@服务器：文件路径

样本名称处理

• sed -i 's/.fastq.gz//' xxx.file,类似rename的方式处理文件内容
• awk 利用文件名生成样本信息表

构建参考基因组

hisat2-build genome.fasta genome
运行时间 —— 二十分钟以内

比对

hisat2 -x [ref-genome] -U [input_filename].fq.gz -S [output_file name].sam -p [threads] --new-summary --rna-strandness R

• PE 的输入文件-U项换为 -1 和 -2
• 线程数建议一般设置为2-6即可
• --new-summary 历史原因，使用tophat的旧日志文件格式则不加此项，用新格式日志文件则加此项
• --rna-strandness 链特异性文库
  链特异性测序针对性解决的问题是：某些基因所在的正链与另一些基因的反链有交集，表达量定给谁？
  若不是链特异性测序，去掉此项
  若是链特异性测序，要问清楚是用的哪个技术， 大部分都用的是dUTP(90%) 如果是，
  单末端测序(SE) --rna-strandness参数设置为R
  PE 设置为RF
• 目前绝大部分为链特异性测序
• 非连特异性测序按照链特异性测序比对，有问题
  连特异性测序按照非链特异性测序比对，问题不大
• 比对DNA序列到基因组用bwa软件
• 批量生成比对脚本，用awk实现
  vim的Ctrl+v也可以实现
  linux for循环也可以实现
• 一般不需要设置错配率，默认就好。若比对后发现比对率特别低，则需要考虑。
• 比对率一般至少70以上，比对率和 参考基因组测序组装质量、比对软件、测序品种与参考基因组物种亲缘关系 相关
• 并行总线程可超过CPU数，超过即排队

比对结果比对率统计与可视化

比对率结果在.log文件中

比对结果压缩排序

samtools sort -o xxx.bam xxx.sam

构建bam index

samtools index xxx.bam

IGV可视化

• 需要的文件
  ①导入基因组文件 genome.fasta
  ②基因注释文件genes.gtf
  ③sample.bam
  ④sample.bam.bai

代码集中营

nohup hisat2-build xxx_genome.fasta xxx_genome 1>hisat2-build.log 2>&1 & # 标准输出与错误输出到同一文件
# 比对
# SE
hisat2 -x [ref-genome] -U [input_filename].fq.gz -S [output_file name].sam -p [threads] --new-summary --rna-strandness R
# PE
hisat2 -x [ref-genome] -1 [input_filename]_1.fq -2 [input_filename]_2.fq -S [output_file name].sam -p [threads] --new-summary --rna-strandness RF