基于eXpress对转录组和基因组进行量化

最新推荐文章于 2024-04-17 21:17:24 发布

biocq

最新推荐文章于 2024-04-17 21:17:24 发布

阅读量1.7w

点赞数

分类专栏：生物信息文章标签： NGS

本文链接：https://blog.youkuaiyun.com/biocq/article/details/8948978

版权

本文介绍了如何利用eXpress工具对转录组和基因组数据进行量化分析，包括在没有参考基因组和注释信息的情况下进行从头组装和比对，以及使用已知注释数据的分析流程。详细步骤涵盖了数据获取、比对、索引建立和eXpress的运行，以及结果解释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

General workflow

eXpress是一个通用的丰度估计工具，它可以应用于任意靶序列和高通量测序reads。靶序列可以是任意基因组区域，例如RNA-seq中的转录本。因此，一般的流程应该是这样的：

1. 选择你要分析的数据

2. 产生靶序列的集合

3.将目的片段比对到靶序列上

4. eXpress需要的参数包括目的片段，然后进行靶序列的丰度估计

5. 额外的下游分析

图示:

这个教程涉及如下工具:

其它有用的工具（不限于RNA-seq）还包括 here .

有的时候，你将研究没有参考基因组序列的物种，或者参考序列质量较差。这通常意味着你也没有转录组序列。下面要进行的步骤经常是从头组装转录组。接下来，我们将使用Bowtie2进行片段比对。

为了取得一个数据，我们将使用GEO访问号。如果你没有一个GEO访问号，而是仅仅想要浏览数据，你可以跟随这个tutorial。为了演示的目的，我们将要研究牦牛转录组。

为什么选择牦牛呢？因为牦牛是天生没有气味的。事实上，是牦牛毛无味。为了下载数据，就直接去GEO吧，然后在"GEO accession" 输入访问号“GSE33300”，点击“GO”。

这将将你带到主实验页面。可以看到有6个来自不同器官的不同的样品。我们先看一下"GSM823609 brain"。点击这个实验，并点击ftp链接下载SRA文件。点击目录可以看到SRR361433.sra. 这是一个paired end的RNA-seq数据，我们将使用如下命令抽取数据

$ fastq-dump --split-3 SRR361433.sra

结果产生两个文件， SRR361433_1.fastq和 SRR361433_2.fastq . 注意到使用 --split-3 . 只有当你下载的数据是paired end的情况下才需要用这个参数.

在这个演示中，我们花点时间进行一个完全从头组装分析，而不使用基因组信息，使用的工具是 Trinity .
使用如下参数运行Trinity :

$ Trinity.pl --seqType fq --JM 200G --left SRR361433_1.fastq --right SRR361433_2.fastq --CPU 2

在几个小时内，我们将在trinity_out_dir中得到几个文件 , 包括注释文件 Trinity.fasta .这将是新的注释文件. 从这里开始，如果你有参考基因组的情况下，分析将大致相同（下面的例子也是一样的）.

从这里，可以下载组装文件.

在你进行任何比对之前，你首先需要建立靶序列的一系列索引文件.

$ cd trinity_out_dir
$ bowtie2-build --offrate 1 Trinity.fasta Trinity

这将在trinity_out_dir中建立索引，base name是 Trinity，bowtie2需要的参数只需要写到base name结束即可，不需要后面的部分 . 这个索引将允许bowtie2快速将reads比对到靶序列。Offrate 1可以加快比对速度，代价是需要的硬盘空间增大.

使用一行命令即可运行bowtie2,

$ bowtie2 -a -X 800 -p 4 -x trinity_out_dir/Trinity \
    -1 SRR361433_1.fastq -2 SRR361433_2.fastq | samtools view -Sb - > hits.bam