如何使用GMAP/GSNAP进行转录组序列比对
GMAP最早用于讲EST/cDNA序列比对到参考基因组上,可以用于基因组结构注释。后来高通量测序时代,又开发了GSNAP支持高通量数据比对,这篇文章主要介绍GMAP,毕竟高通量转录组数据比对大家更喜欢用STAR, HISTA2等软件。
软件安装
下面是我源码安装的代码
wget http://research-pub.gene.com/gmap/src/gmap-gsnap-2018-07-04.tar.gz
tar xf gmap-gsnap-2018-07-04.tar.gz
cd gmap-2018-07-04/
./configure --prefix=$HOME/opt/biosoft/gmap
make -j 20
软件使用
如下步骤假设你有一个物种的基因组序列和对应的CDS序列,分别命名为"reference.fa"和"cds.fa"
第一步:构建GMAP/GSNAP索引数据库
GMAP/GSNAP对FASTA文件中每个记录下的序列的长度有一定限制, 每一条不能超过4G, 能应付的了大部分物种了。
构建索引分为两种情况考虑,第一种是一个fasta文件包含所有的序列
~/opt/biosoft/gmap/bin/gmap_build -d reference reference.fa
第二种则是每个染色体的序列都单独存放在一个文件夹里,比如说你下载人类参考基因组序列解压后发现有N多个fasta文件, 然后你就想用其中几条染色体构建索引
~/opt/biosoft/gmap/bin/gmap_build -d reference Chr1.fa Chr2.fa Chr3.fa ...
注: 这里的-d
表示数据K库的名字,默认把索引存放在gmap安装路径下的share里,可以用-D
更改.此外还有一个参数-k
用于设置K-mer的长度, 默认是15, 理论上只有大于4GB基因组才会有两条一摸一样的15bp序列(当然是完全随机情况下)。
第二步:正式比对
建立完索引之后就可以将已有的CDS或者EST序列和参考基因组序列进行比较。
~/opt/biosoft/gmap/bin/gmap -t 10 -d reference -f gff3_gene cds.fa > cds_gene.gff3
其中-t
设置线程数, -d
表示参考基因组数据库的名字, 都是常规参数。我比较感兴趣的参数是如何将序列输出成GFF格式. GMAP允许多种格式的输出,比如说-S
只看联配的总体情况,而-A
会显示每个比对上序列的联配情况, 还可以输出蛋白序列(-P)或者是genomic序列(-E). 但是做结构注释要的gff文件,参数就是-f gff3_gene
, -f gff3_match_cdna
, -f gff3_match_est
。
参考文献
要想对一个软件有更好的认识,最好还是看看他们文章是怎么说的。
- GMAP: a genomic mapping and alignment program for mRNA and EST sequences
Bioinformatics 2005 21:1859-1875 Abstract Full Text, Thomas D. Wu and Colin K. Watanabe - Fast and SNP-tolerant detection of complex variants and splicing in short reads
Bioinformatics 2010 26:873-881 AbstractFull Text, Thomas D. Wu and Serban Nacu
如何使用GMAP/GSNAP进行转录组序列比对相关推荐
- 提取变异的转录组序列
参考:http://samtools.github.io/bcftools/bcftools.html 装bcftools $ tar -jxvf bcftools-1.8.tar.bz2 $ cd ...
- 【转录组】如何进行序列比对?
经过原始数据的质量评估,去除低质量.含N.含接头等reads的步骤后,我们得到了clean data,然后我们就需要进行序列比对了. 序列比对的目的是:定位,也就是确认每条reads是否在基因组/转录 ...
- 如何对基因组序列进行注释
基因组组装完成后,或者是完成了草图,就不可避免遇到一个问题,需要对基因组序列进行注释.注释之前首先得构建基因模型,有三种策略: 从头注释(de novo prediction):通过已有的概率模型来预 ...
- RNA-seq最新利器——全长转录组测序
RNA-seq最新利器--全长转录组测序 1.三代测序技术PacBio SMRT Sequencing 2005年以来,转录组测序和研究的主流是基于NGS,即所谓的二代测序技术,虽然二代测序技术极大地 ...
- RNA-seq技术之转录组从头组装介绍
RNA-seq技术之转录组从头组装介绍 转载2016-05-31 17:07:39 1.何为转录组组装 说起转录组组装,不得不先说新一代测序技术(next generation sequencing) ...
- 转录组分析_肠道菌群:宏转录组测序分析流程解读
上回给大家讲述了16S测序分析 和 宏基因组测序分析,本期的宏转录组来啦~ 你知道吗?通过16S测序分析 和 宏基因组测序分析,我们只能够知道肠道菌群做好事或坏事的潜力,而并不知道它们此时此刻正在我们 ...
- r语言 转录本结构及丰度_肠道菌群:宏转录组测序分析流程解读
上回给大家讲述了16S测序分析 和 宏基因组测序分析,本期的宏转录组来啦~ 你知道吗?通过16S测序分析 和 宏基因组测序分析,我们只能够知道肠道菌群做好事或坏事的潜力,而并不知道它们此时此刻正在我们 ...
- 从RNA-seq结果到差异表达
从RNA-seq结果到差异表达 2011-09-12 ~ ADMIN 翻译自:From RNA-seq reads to differential expression, Oshlack et al. ...
- ALLHiC续: 如何构建Allele.ctg.table
ALLHiC续: 如何构建Allele.ctg.table Allele.ctg.table是ALLHiC用于过滤多倍体基因组中因等位序列相似引起的HiC噪音的必要输入. 构建的方法有很多种,这里列举 ...
最新文章
- 【原创】源智工作流聚合步骤模型
- js如何循环拼接字符串
- gvim常用的配置及插件 -windows
- mysql虚拟机授权错误,windows下用navicat链接虚拟机MySQL数据库的过程和问题解决
- [置顶] VS自带工具:dumpbin的使用
- 十大震撼谷歌地图卫星照
- ARP使用及网络通信(查询、绑定MAC地址)
- python 3d游戏引擎哪个好_五大开源游戏引擎介绍
- Mcmod模组下载脚本
- WOW 最简单的插件入门,适合不知道怎么创建XML/自己写的插件始终不生效的
- 软件包管理:rpm和yum
- 看我如何破解一台自动售货机
- 双十一就该这么薅羊毛,MacBook、iphone13等万元壕礼等你领
- 计算机的诞生以及四个发展阶段,计算机发展历史的四个阶段
- GAMES101课程学习笔记—Lec 02:Linear Algebra 线性代数回顾
- Sublime 中快速打开网页
- 2021.05.20最少数量的箭引爆气球
- JS维护nginx反向代理,妈妈再也不用担心我跨域了!
- 使用URLRewriter进行URL重写失效
- linux 替换文件中的字符串
热门文章
- 韩国小姐选美连连看----android版
- 深入浅出 Laravel 路由执行原理
- 湖南省公务员考试计算机专业,湖南公务员考试专科专业分类目录_学科指导目录...
- python爬虫、第一个爬虫(基本知识,requests库,BeautifulSoup库,正则表达式re库)
- oracle分页改写为mysql_mysql和oracle分页
- 22年知网“研究生科学素养提升”在线测试
- 只要工具不要“霸”——百度搜霸与百度工具栏
- WIN10 WIN8 安装U8 安装IE Web Control 组件 环境检测通不过 所遇到的问题
- autojs之悬浮窗按钮暂停脚本~一种很笨的方法,但是可以实现暂停脚本的功能
- 这两年大量实体店灭亡,那么商机来了,什么东西又会崛起?