构建绵羊（非常见物种）BSgenome参考基因组

1. Ensembl 下载绵羊参考基因组和注释文件，虽然这里用不到注释文件，但最好备份一下

2. .fa 格式参考基因组转为 .2bit 格式

# cd software directory
wget -b -c http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/faToTwoBit
# cd reference directory
faToTwoBit Ovis_aries_rambouillet.Oar_rambouillet_v1.0.dna.toplevel.fa Ovis_aries_rambouillet.Oar_rambouillet_v1.0.dna.toplevel.2bit

3. 安装 BSgenome 包

if (!require("BiocManager", quietly = TRUE)) install.packages("BiocManager")
BiocManager::install("BSgenome")

4. 进入工作目录，准备 seed 文件。

seed 文件可以理解为一种配置文件或者说明文件，包含许多必要的和非必要的词条，详细内容参考Bioconductor - BSgenome。在 BSgenome 包安装目录有示例文件，可以直接复制到工作目录进行修改。

cd ~/anaconda3/envs/R4.1.2/lib/R/library/BSgenome/extdata/GentlemanLab

5. 下面是我的seed 文件，以及遇到的一些bug。

首先是 Package，必须由四部分组成，每个部分必须由逗号（.）分开。part 1：BSgenome；part 2：物种缩写，如 ovis aries 写成Oaries；part 3：参考基因组来源，一般是NCBI，Ensembl 或者 UCSC；part 4：参考基因组版本。必须要注意的是！！！在package词条不能出现多余的逗号（.）和其他的分隔符（-或_）。比如 part 4中，最容易理解的方式是写成 rambouillet.v1，rambouillet_v1 或 rambouillet-v1，然而写成这样会报错，报错内容是“malformed package name”！！！

第二个 bug 是在 seed 文件中必须提供 genome 词条，在这里我用的是 genome: bosTau9，是的，这是一个牛的参考基因组名称。第一，BSgenome 只支持 UCSC 和 NCBI 数据库下载的参考基因组，而这个绵羊的参考基因组是在 Ensembl 下载的；第二，在 UCSC 和 NCBI 找不到可用的、同版本的参考基因组，因此，没有办法，只能随便找一个代替。

Package: BSgenome.Oaries.Ensembl.rambouilletv1
Title: Full genome sequences for Ovis aries (Ensembl version rambouillet_v1)
Description: Full genome sequences for Ovis aries (Sheep) as provided by Ensembl (Oar_rambouillet_v1) and stored in Biostrings objects.
Version: 1.0.0
organism: Ovis aries
common_name: Sheep
genome: bosTau9
provider: Ensembl
release_date: Feb 2022
source_url: http://ftp.ensembl.org/pub/release-106/fasta/ovis_aries_rambouillet/dna/Ovis_aries_rambouillet.Oar_rambouillet_v1.0.dna.toplevel.fa.gz
organism_biocview: Ovis_aries
BSgenomeObjname: Oaries
SrcDataFiles: Oar_rambouillet_v1.0.2bit, transferred by faToTwoBit
PkgExamples: genome$1  # same as genome[["1"]]
# directory of seed file
seqs_srcdir: /home/hanjiangang/single_cell/ref_genome/Oas_rambouillet_1_ArchR
# name of seed file
seqfile_name: Oar_rambouillet_v1.0.2bit

6. 构建 BSgenome 包。

# R 中运行
library(BSgenome)
forgeBSgenomeDataPkg("/home/ref_genome/Oas_rambouillet_1_ArchR/BSgenome.Oaries.Ensembl.rambouillet_v1.0-seed", verbose=TRUE)
# 很快，会生成新的文件夹BSgenome.Oaries.Ensembl.rambouilletv1，退出R# Linux 系统下运行如下命令
tree BSgenome.Oaries.Ensembl.rambouilletv1
BSgenome.Oaries.Ensembl.rambouilletv1
├── DESCRIPTION
├── inst
│   └── extdata
│       └── single_sequences.2bit
├── man
│   └── package.Rd
├── NAMESPACE
└── R└── zzz.R
# 因为之前genome词条使用的是genome: bosTau9，因此将BSgenome.Oaries.Ensembl.rambouilletv1文件夹下所有的bosTau9全部替换为Oar_rambouillet_v1（只需要修改两个文件）。# BSgenome.Oaries.Ensembl.rambouilletv1 同级目录运行
R CMD build ./BSgenome.Oaries.Ensembl.rambouilletv1/  #生成BSgenome.Oaries.Ensembl.rambouilletv1.tar.gz 文件
#如果发现Bug查找问题及时修复，只要 check for installation 不报错，基本就没有太大问题
R CMD check BSgenome.Oaries.Ensembl.rambouilletv1.tar.gz
R CMD INSTALL BSgenome.Oaries.Ensembl.rambouilletv1.tar.gz

7. 参考文章

BSgenome 构建自己的参考基因组 - 简书

BSgenome构建新的参考基因组 - 简书

构建绵羊（非常见物种）BSgenome参考基因组相关推荐

基于 bioMart 构建绵羊（非常见物种） OrgDb 包/数据库
OrgDb (organism database)文件主要用于基因注释.ID转换.GO富集分析等,Bioconductor - BiocViews 仅提供部分物种正式发布的 OrgDb 包.此外还可通 ...
参考基因组及注释文件下载
参考基因组及注释下载现有比对工具在做mapping之前,都需要下载对应物种的参考基因组做index,而如何选择合适的参考基因组是一件非常重要的事情. 现有的参考基因组存储网站三个: ENSEMBL ...
[爬虫实战]利用python快速爬取NCBI中参考基因组assembly的相关信息
1.问题导向最近在做某个课题的时候,按老师的要求需要从NCBI中批量下载不同物种的参考基因组,同时收集相应参考基因组的一些组装信息,基因组非常多,导致工作量巨大,一个一个手动收集的话,既费时又费力, ...
cellranger 操作笔记-2：构建绵羊单细胞转录组参考基因组
参考10X官方教程:Find the input files -Software -Single Cell Gene Expression -Official 10x Genomics Support ...
cellranger-atac 操作笔记-1：安装并构建绵羊单细胞ATAC参考基因组
1. 10X 官网下载cellranger-atac软件包,解压,添加路径 wget -O cellranger-atac-2.1.0.tar.gz "https://cf.10xgenom ...
Ensemble-BioMart:得到基因注释信息（有参考基因组的物种）
可能的疑问 "我知道一系列基因的NCBI编号,如果我要查询ensemble编号该如何查询?" "我知道一系列基因的ensemble编号,如果要查询这些的英文简写(symb ...
构建index所需的参考基因组以及各种版本的注释文件
文章目录一.参考基因组 1. UCSC 2. ensemble 3. NCBI 4. gencode 二.基因组注释文件(GFF,GTF) 1. UCSC 2. ensemble 3. NCBI 4 ...
菜鸟自学02：下载参考基因组及构建bowtie2索引
菜鸟自学02:下载参考基因组及构建bowtie2索引 1.下载参考基因组根据文章里的"Data deposition: The sequence reported in this pape ...
NBT：牛瘤胃微生物组的参考基因组集
文章目录牛瘤胃微生物组的参考基因组集热心肠日报摘要主要结果图1. 来自牛瘤胃4,941个末培养和Hungate系列基因组的进化树图2. 末培养基因组与Hungate和发表数据比较图3. ...

构建绵羊（非常见物种）BSgenome参考基因组

构建绵羊（非常见物种）BSgenome参考基因组相关推荐

最新文章

热门文章