STAR软件的学习

下载地址与参考文档

• https://github.com/alexdobin/STAR/archive/2.5.3a.tar.gz
  
  wget https://github.com/alexdobin/STAR/archive/2.5.3a.tar.gz
• [https://github.com/alexdobin/STAR/blob/master/doc/STARmanual.pdf]（https://github.com/alexdobin/STAR/blob/master/doc/STARmanual.pdf)

建立索引

• 建立索引时需要先建立一个存放索引的文件夹

mkdir star_index && cd star_index
#下载需要建立索引的基因组文件
wget xxx.fa    #自己选择基因组
wget xxx.gtf    #基因组对应的gtf文件
#注意--sjdbOverhang 参数为reads的长度-1
#模式选择为 genomeGenerate
STAR
--runMode genomeGenerate
--genomeDir star_index/
--genomeFastaFiles xxx.fa
--sjdbGTFfile xxx.gtf
--sjdbOverhang 199

比对

#设置输出文件的前缀 --outFileNamePrefix
#设置clean reads 文件 fq1和fq2间用空格
#比对默认输出是sam格式，如果需要bam需要设置--outSAMtype参数
#当输入的reads是fq.gz格式时需要使用--readFilesCommand命令来解压
STAR
--runThreadN 20
--genomeDir star_index/
--readFilesCommand zcat
--readFilesIn fq1 fq2

参数说明

• 输出unsorted or sorted bam file --outSAMtype BAM Unsorted 实际上就是-name 的sort，下游可以直接接HTSeq
• --outSAMtype BAM SortedByCoordinate
• --outSAMtype BAM Unsorted SortedByCoordinate 两者都输出
• --readFilesCommand 针对fastq.gz文件增加 --readFilesCommand gunzip -c 参数/
• --readFilesCommand zcat参数
• 针对bzip2文件使用 --readFilesCommand bunzip2 -c参数

# 单独指定注释文件，而不用在构建的时候使用
 --sjdbGTFfile /path/to/ann.gtf
--sjdbFileChrStartEnd /path/to/sj.tab
# ENCODE参数
 # 减少伪junction的几率 --outFilterType BySJout
# 最多允许一个reads被匹配到多少个地方
--outFilterMultimapNmax 20 # 在未有注释的junction区域，最低允许突出多少个bp的单链序列
--alignSJoverhangMin 8 # 在有注释的junction区域，最低允许突出多少个bp的单链序列
--alignSJDBoverhangMin 1 # 过滤掉每个paired read mismatch数目超过N的数据，999代表着忽略这个过滤
--outFilterMismatchNmax 999 # 相对paired read长度可以允许的mismatch数目，如果read长度为100，数值设定为0.04，则会过滤掉100*2*0.04=8个以上的数据
--outFilterMismatchNoverReadLmax 0.04 # 最小的intro长度
--alignIntronMin 20 # 最大的intro长度
--alignIntronMax 1000000 # maximum genomic distance between mates，翻译不出来，自行理解
--alignMatesGapMax 1000000

输出格式

• 暂略