weixin_52073820的博客

上图是我得到的结果，下图是教程的结果，比对结果有一些差异，我也不知道具体原因是啥。谷歌了一下，发现原因可能是因为环境变量的问题，系统不知道picard的具体位置，需要设置全局环境变量，遂查了一下picard的位置。我发现我做出来的结果测序深度一致，但是比对的结果有一点差异，不知道是我的操作问题，还是参考基因组更新了导致比对结果出现了些许不同。上图是我得到的结果，下图是教程的结果，除了IgG_rep1外比对结果一致。上图是我的结果，下图是教程的结果，结果不太一致，不知道是具体的原因是什么。

在构建文库的过程中需要将DNA片段化，因此测序得到的序列只是基因组的部分序列。为了确定测序reads在基因组上的位置，需要将reads比对回参考基因组上，这个步骤叫做比对，即文献中所提到的alignment或mapping。包括基因组比对和转录组比对目前比对的工具有很多，这里用的是hisat2。

reads每个位置的颜色显示由4种颜色的比例混合而成，哪一个碱基的比例大，则趋近于这个碱基所代表的颜色。由下图可知32个样本的ATCG的含量比例是比较均匀的，测序质量是可以的。一条序列的重复数，因为一个转录组中有非常多的转录本，一条序列再怎么多也不太会占整个转录组的一小部分（比如1%），如果出现这种情况，不是这种转录本巨量表达，就是样品被污染。正常情况下，N值非常小。绿色区间——质量很好，橙色区间——质量合理，红色区间——质量不好。绿色区间——质量很好，橙色区间——质量合理，红色区间——质量不好。

前面已经安装好了需要的软件，那么我们现在需要下载我们练习需要用到的sra数据。可以用ascp快速的来下载 sra 文件，也可以用wget或curl等传统命令从 FTP 服务器上下载 sra 文件。下载完之后可以检查一下数据大小，这里数据大小是没问题的，如果遇到大部分数据是1-3G，有个别数据是200多M的，那就要检查一下是不是下载不完整。挂服务器后台下载，因为没有用上ascp，所以这里是通过HTTPS方式下载的，下载速度很慢，就晚上放着第二天早上下完就行。写于2023年11月20日。

同理继续安装tophat和htseq，发现htseq成功了，但是tophat失败了，提示需要在python2.7的环境下才能安装，于是又进行了下面的尝试。安装成功了，尽管一开始还是unsuccessful，但是等了一会就可以了，还是源不稳定的问题啊！谷歌之后发现可能是源的问题，经咨询后建议我把清华的源换成北外的源，于是我就尝试了以下操作。2）重新安装tophat，安装成功，但是以后就得2个环境切换着用了，有点麻烦。前面已经安装好了conda，那么我们现在需要安装我们后续需要用到的软件。

最近在扫盲测序的一些知识其中需要安装一些软件进行练习，如质控的fastqc，然后需要用conda来配置环境变量和安装软件。记录一下方便后续查阅学习。