【轉錄組入門】4：參考基因組和註釋文件

做業要求：html

在UCSC下載hg19參考基因組，我博客有詳細說明，從gencode數據庫下載基因註釋文件，而且用IGV去查看你感興趣的基因的結構，好比TP53,KRAS,EGFR等等。
做業，截圖幾個基因的IGV可視化結構！還能夠下載ENSEMBL，NCBI的gtf，也導入IGV看看，截圖基因結構。瞭解IGV常識。ios

參考基因組--下載

地址：UCSC https://genome.ucsc.edu/數據庫

(1)、進入UCSC---選擇Downloads---genomic data---human---GRCh37/hg19---Full data set，下拉，找到chromFa.tar.gz,右擊chromFa.tar.gz，選擇「複製連接地址」vim

# 點擊 Full data set後，有各種文件的說明文檔瀏覽器

(2)、終端命令行操做bash

 1 # 切換到要存放參考基因組的目錄  2 $ cd data/GSE81916/reference/genome/hg19  3 
 4 # 用axel或wget下載參考基因組  5 $ nohup wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz # wget後面跟的是參考基因組的下載地址
 6 
 7 # 解壓下載後的文件  8 $ tar -zxvf chromFa.tar.gz  9 
10 # 解壓後能夠發現，參考序列是按照染色體號分開列出的，咱們還須要把全部的序列寫入到一個文件中。 11 $ cat *.fa > hg19.fa 12 
13 #最後刪除其餘無用的文件 14 $ rm chr*.fa

註釋文件--下載

（1）、進入Gencode數據庫---Data---Human---GRCh37-mapped Release---選擇2016年10月份發佈的最新註釋版本「gencode.v26lift37.annotation.gtf.gz」數據結構

鼠標右擊，「複製連接地址」app

（2）、命令行批量下載ide

1 # 用axel批量下載 2 $ axel ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gtf.gz
3 # 下載後解壓 4 $ gzip -d gencode.v26lift37.annotation.gtf.gz 5 # 與下載的hg19參考基因組放在一塊兒 6 $ mv genconde.v26lift37.annotation.gtf  ./Reference/Human/hg19

補充：GTF和GFF之間的區別工具

數據結構：都是由9列構成，分別是reference sequence name; annotation source; feature type; start coordinate; end coordinate; score; strand; frame; attributes.前8列都是相同的，第9列不一樣。

GFF第9列：都是以鍵值對的形式，鍵值之間用「=」鏈接，不一樣屬性之間用「；」分隔，都是以ID這個屬性開始。下圖中有兩個ID，說明是不一樣的序列。

GTF第9列：一樣以鍵值對的形式，鍵值之間是以空格區分，值用雙引號括起來；不一樣屬性之間用「；」分隔；開頭必須是geneid, transciptid兩個屬性。

基因組瀏覽器：IGV

Integrative Genomics Viewer(IGV)是一種探索大型綜合基因組數據的高性能交互式可視化工具。它支持各類各樣的數據類型，包括基於芯片測序、二代測序數據和基因組註釋數據等。

IGV下載

 1 # 進入IGV官網，並下載相應的軟件包，有Windows，Mac，和LINUX，這裏我下載Linux二進制包  2 $ cd ~/src  3 $ wget http://data.broadinstitute.org/igv/projects/downloads/IGV_2.3.97.zip
 4 $ unzip IGV_2.3.97.zip && mv IGV_2.3.97 ~/biosoft  5 
 6 # 添加環境變量  7 $ vim ~/.bashrc  8    PATH=$PATH:~/biosoft/IGV_2.3.97
 9 $ source ~/.bashrc 10 
11 # 運行IGV，Linux直接運行igv.sh能夠開啓IGV窗口，可是會比較慢，要耐心等待。 12 $ igv.sh

IGV使用

0、初始化窗口

一、載入基因組，選擇Genome標籤，load咱們以前已經下載好的hg19.fa基因組。

二、載入基因組註釋，可是在載入以前須要將gff3進行排序，選擇Tools-Run igvtools，進入如下igvtools窗口：

三、得到sorted文件：command選擇sort，再選擇輸入的註釋文件，點擊Run，就能夠生成sorted.gff3文件。

四、經過file->load from file...選擇sorted文件，打開。選擇區域的大小，來看某些基因的信息，藍色的粗線條就是表明基因。說到底，IGV就是一個將基因組及其註釋信息可視化的工具。（下圖是載入基因組和註釋信息後的窗口）

理論知識

RNA-seq數據分析的通用套路是：

一、檢測測序數據的質量，若是須要，對數據進行預處理，去掉接頭，去掉質量差的數據等等

二、將全部數據回帖到genome，根據結果，進行新基因或轉錄本的鑑定，而後對轉錄數據進行定量，並進行差別表達分析。也可跳過對新基因和新轉錄本的分析，只對已知的基因和轉錄本進行定量。

三、若是沒有參考genome數據，能夠供transcritome數據代替。

四、若是參考轉錄組數據也沒有，能夠直接對RNA-seq數據進行從頭組裝，註釋，做爲參考轉錄組。

圖片源於《RNA-seq Data Analysis》

把高通量測序獲得的reads回帖到參考基因組上，既是進行後續基因表達定量和差別表達分析的基礎，同時也是可變剪接分析、SNP、InDel分析以及測試數據質量控制的一部分

回帖經常使用軟件：HISAT2, STAR

參考基因組

參考基因組的實質：就是某一物種的基因組序列，所以是fasta格式。

三大網站：

1.NCBI （https://www.ncbi.nlm.nih.gov/grc）

2.UCSC (http://hgdownload.soe.ucsc.edu/downloads.html)

3.Ensemble （http://asia.ensembl.org/index.html?redirect=no）

三大網站的ftp地址：

ensembl : ftp://ftp.ensembl.org/pub

NCBI : ftp://ftp.ncbi.nih.gov/genomes/

UCSC：ftp://hgdownload.soe.ucsc.edu/goldenPath

推薦：去Ensemble下載參考序列，（UCSC好久沒更新）

目前最經常使用的人的參考基因組版本以下（Jimmy總結）：

NCBI	UCSC	Ensemble
GRCh36	hg18	ENSEMBL release_52
GRCh37	hg19	ENSEMBL release_59/61/64/68/69/75
GRCh38	hg38	ENSEMBL release_76/77/78/80/81/8

註釋文件

就是基因組的說明書。告訴咱們哪些序列是編碼蛋白的基因，哪些是非編碼基因，外顯子、內含子、UTR等的位置等等。註釋文件在以上三個提供參考基因組的網站中都有提供，好比Ensemble。可是如今最權威的人類和小鼠基因組的註釋還屬Gencode數據庫。

IGV軟件界面簡介

主窗口布局：

1.工具欄tool bar

2.紅色框顯示當前顯示的染色體的位置，當縮小顯示範圍到整個染色體範圍時，紅色框消失。

3.顯示當前查看的染色體序列的長度

4.該窗口顯示測序樣品的測序狀況。每一條track表明一個樣品或者一次實驗，顯示的狀況包括甲基化、表達水平、拷貝數，鹼基突變等信息。

5.參考基因組信息

6.track名（即樣品或者實驗名）

7.Attribute names屬性名，即序列信息，如indel、甲基化等。

更多的使用方法可查看IGV User Guide

參考資料

轉錄組入門(1)-做業-轉錄組-生信技能樹 http://www.biotrainee.com/thread-1796-1-1.html

HOPTOP轉錄組入門（一）佈置運行環境-轉錄組-生信技能樹 http://www.biotrainee.com/thread-1800-1-1.html

RNA-seq基礎入門傳送門-轉錄組-生信技能樹 http://www.biotrainee.com/thread-1750-1-1.html

浙大植物學小白的轉錄組筆記 http://www.360doc.com/content/17/0911/22/46164085_686360709.shtml