stringtie: RNA-seq 数据的转录本组装
1. 输入文件
StringTie takes as input a SAM, BAM or CRAM file sorted by coordinate (genomic location).
其中，TopHat 的输出文件已经是排序的，而 HISAT2 的输出文件需要进行排序，HISTA2 处理测序得到的 fq 文件的流程见：
使用 samtools 对文件进行排序
# 转换为 bam 文件格式
samtools view -S test.sam -b > test.bam
# 排序并建索引
samtools sort test.bam -o test_sort.bam
samtools index test_sort.bam
2. 命令行格式及命令选项
默认的命令行格式如下：
stringtie [-o ] [other_options] <read_alignments.bam>
-G # 后跟注释文件，需要 GTF 或 GFF3 格式；输出将包括表达的 ref transcripts 和其它新的转录本，该选项配合 -B、-b、-e、-C 使用；
-B # 该选项允许输出包含 reference transcripts 覆盖数据的 *.ctab 文件；
-b # 后跟目录，同 -B 一样，允许输出 *.ctab 文件，但这些文件将在 -b 指定的目录下创建，而非 -o 指定的目录下；
-C # 后跟一个 gtf 文件名，输出一个具有给定名称的文件，包含 reference transcripts 中被全覆盖的所有转录本；
-e # 允许进行表达估计，将估计 -G 选项指定的转录本的覆盖率，只统计可以匹配-G提交的参考 gtf 中的转录本，不再对新的转录本做预测；
-A # 后跟 tab 文件名，在给定输出文件中报告基因丰度；
-o # 后跟输出 gtf 文件名，可以指定完整目录，将输出 assembled 转录本；
-m # 设置预测转录本的最小长度，默认为 200；
-p # 线程数，默认为1；
-l # 设置输出转录本的前缀，默认为 STRG；
举例：
stringtie -o test.gtf -p 8 -B -e -A test.tab -G ref.gtf test_sort.bam
如果不需要寻找新的转录本，记得加 -e，否则可能会影响 reference 中转录本的统计。
3. 结果文件解读
首先看一下 -o 输出的 gtf 文件。
下图为文件的第 1 到 8 列：
下图为文件的第 9 列：
从第一列到第十列分别为：
seqname: 染色体名；
source: GTF文件的来源；
feature: 类型，比如：exon, transcript, mRNA, 5'UTR；
start: 起始位置；
end: 终止位置；
score: A confidence score for the assembled transcript.
strand: 方向；
frame: Frame or phase of CDS features.
attributes: 以分号分隔的 tag-value pairs 列表，提供了每个 feature 的详细信息；
另一个是 -A 指定的基因丰度的表格，这个表格简单直接，不多介绍；
