转录组测序数据的分析与解读,转录组测序研究的整体思路

　　转录组分析通常用于功能基因组学领域。相关的软件组合也有很多种。本文采用hisat2 samtools stringtie策略从转录组数据中挖掘差异表达基因。现在边肖整理了这个组合的操作流程，以供参考；如果能分享到平台上，帮助更多的初学者，编辑将不胜荣幸。如有错误，望大家指正。

　　首先，让我们从整体上看一下软件所执行的功能。

　　Hisat2:建立参考基因组指数，对比我。

　　Samtools:sam2bam转换

　　Stringtie:估计的转录表达

　　使用的数据结构如下。这里使用酵母的转录组数据和参考基因组：

　　双端测序数据已经过QC快速筛选，具体筛选过程本文不涉及。例子仅供参考。

执行时要关注文件格式转化，以及各种格式下包含的生物信息。

　　@ bio cloud:~ ~/1223/ngs 2022 $ tree . gene _ data.CSV//差异表达基因样本相当于最终输出的标准答案。(-genome(-yeast.fa/reference基因组文档(-yeast.gff///reference基因组注释文档(-yeast _ transcriptor . fa/))通常下飞机的时候，公司会同时推出rawdata和cleandata，不过你直接用后者就可以了。(S1 _ y _1。FQ.gz)-S1 _ 2。FQ.gz-S2 _ y1。FQ.gz-S2(((())())))))).可用软件安装包fast QC _ v 0 . 11 . 9 . zip hisat 2-2 . 2 . 1-Linux _ x86 _ 64 . zip hisat 2-2 . 2 . 1-OS x。

　　$ cd。/genome $ hisat2-builds yeast . fa genome.fa//创建一个参考基因组索引，hisat 2和build之间应该没有空格。//在新创建的文件夹$ cd中匹配。$ mkdir比对$ cd比对$ hisat 2-P6-x ./genome/genome . fa-1。/reads/S1 _ S1 $ Sam tools view-bs S1.Sam-os1.bam//samtoolsview将Sam文件转换为bam文件。是bam sam的二进制文件，二进制转换后的存储容量会更小。$ samtoolsorts 1 . ba ms1.sorted//samtoolssort对S1.bam进行排序并生成s1.sorted.bam后者会自动添加。bam后缀，不需要添加到命令行中。$ samtools index s1.sorted.bam //输入$ strintie。/S1 . sorted . bam-g ./genome/index yeast . gff-e-p2-o . strintie到排序后的bam文件中。根据gtf注释和分级bam的比较结果，估计转录本表达水平。//其他处理下双端序列的比较结果用同样的方法得到。//手动使用$ cd。新创建的文件夹中的$ mkdir differential _ expression $ CD differential _ expression $ vim sample _ list . txt #//sample _ list . txt文件。这里我们把两个gtf文件放在differential _ expression文件夹下。//out.GTF//S2/mnt/1223/ngs S1/mnt/1223/ngs 2021/微分_表达式/S1 2021/微分_ ed

　　f $ python prepde . py3-I Sample _ list . txt-G Gene _ count . CSV-T Transcript.csv//Stringtie脚本生成差异表达基因的列表。//注意stringtie差异基因总结脚本有两个版本：prepDE.py和prepde.py3，前者适用于python2环境，后者适用于python3环境。如果你把它搞混了，你会得到一个错误。本文基于python3.9.5环境。以上步骤后得到的gene_count.csv就是最终结果，可以导入R语言，用edgeR/DESeq2包进行分析。有机会组织后续教程。

　　sam文件基础Sam文件在序列分析中非常重要，无论是转录组分析还是基因组调用SNP。了解sam文件中包含的信息有助于理解数据。我们还是以本文中生成sam文件的命令行为例。转录组分析的核心比较步骤是使用hisat2将测序读数与索引的参考基因组进行比较：

　　$ hisat2-P6-x./genome/基因组. fa -1./reads/1.fq.gz S1-2./reads/S1 _ y _ 2 . FQ . gz-s ./S1 . Sam-x参考genome.fa文件

　　通常，双端测序采用read1的格式。FQ。FQ。BZ2，而且前后端同时出现，同时作为hisat2输入。通过hisat2将测序得到的fastq文件与参考基因组进行比较，得到SAM文件。

SAM文件就是序列比对文件，有上下两个部分，分别包括头部注释部分和比对结果部分

　　SRR 5511068.3 99 NC _ 001147.6 1002516 60 75M=1002624 184 gtacttaacatttcttaatcatgttaaaaggtaaaaacctggcccattcgatgtaactgtaaattatac aaaaeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeeee/eeeeaeeeeeeeeeeeeeeeeeeeeeeeeee AS:I:0 XN:I:0 XM

QNAME

FLAG

　　或者简书大佬：

　　https://www.jianshu.com/p/ab133ee9712c

RENAME

POS

MAPQ

CIGAR

RNEXT

MPOS

ISIZE

SEQ

QUAL