HISAT2+StringTie+Ballgown安装及使用流程
HISAT2+StringTie+Ballgown安装及使用流程
2015年Nature Methods上面发表了一款快速比对工具hisat,作为接替tophat和bowtie的比对工具,它具有更快的比对速度和更高的比对率,最近把这个流程走完一遍,感觉优势还是很明显的。
一、HISAT2:
1、下载安装:
hisat2下载地址:ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/downloads/hisat2-2.1.0-Linux_x86_64.zip
hisat2官方手册:http://ccb.jhu.edu/software/hisat2/manual.shtml
下载完成后解压缩:
unzip hisat2-2.0.5-Linux_x86_64.zip
进入hisat2-2.0.5文件夹:
这里面的绿色文件都是可执行文件,所以只需要把目录添加到环境变量中即可:
vim进入编辑bashrc文件,在文本中输入红色方框内的内容,保存退出,然后source ~/.bashrc 即可
此时我们就可以直接调用hisat2命令了。
2、建立索引:
如同tophat一样,比对之前需要利用bowtie建立index,hisat2同样需要建立索引:
首先提取gtf文件中的剪切位点和外显子位置:
extract_splice_sites.py gencode.vM4.annotation.gtf >gencode.vM4.annotation.for.hisat2.ss
extract_exons.py gencode.vM4.annotation.gtf >gencode.vM4.annotation.for.hisat2.exon
建立索引:
hisat2-build -p 30 --ss gencode.vM4.annotation.for.hisat2.ss --exon gencode.vM4.annotation.for.hisat2.exon GRCm38.p3.genome.fa mouseGencodeIndex
##如果电脑内存<200G,那么可以不用--ss/--exon参数,但是在比对的时候需要加
--known-splicesite-infile参数。3、比对:
我的数据是双段的无链特异性数据,此处需要把sam文件转化为bam文件,所以需要提前安装samtools:
hisat2 --known-splicesite-infile gencode.vM4.annotation.for.hisat2.ss --dta -t -p 24 -x mouseGencodeIndex -1 samp_1.fq.gz -2 samp_2.fq.gz -S accepted_hits.sam &> alignment_summary.txt
samtools view -bS accepted_hits.sam > accepted_hits.bam
samtools sort accepted_hits.bam -o accepted_hits_sorted.bam
rm accepted_hits.bam
rm accepted_hits.sam
二、StringTie:
比对完生成了sam文件,我们利用samtools将它转化为了排好序的bam文件,下一步就需要量化和确定表达值了,这里用到的StringTie相比之前的cufflinks来说功能强大了好多。
1、下载安装:
stringtie下载地址:http://ccb.jhu.edu/software/stringtie/dl/stringtie-1.3.3b.Linux_x86_64.tar.gz
stringtie官方手册:http://ccb.jhu.edu/software/stringtie/index.shtml?t=manual
直接下载解压就可以用了,它是可执行文件,也可以按上述方法将路径添加到环境变量中方便调用。
2、运行:
stringtie accepted_hits_sorted.bam -o outRes.gtf -p 28 -G gencode.vM4.annotation.gtf -A gene_abund.tab -B -e
运行后每个样本文件夹下结果如下:
这里我生成了结果gtf文件outRes.gtf和ballgown需要的.ctab文件,还有基因的表达量文件gene_abund.tab,该文件包括基因的表达量FPKM以及TPM等。当然如果你想要转录本的表达量,直接打开t_data.ctab这个文件,这里面有转录本的FPKM值。
当然如果我们想利用DESeq2或者edgeR等计算差异表达,那我们就需要得到原始counts值矩阵来作为输入,此时我们需要利用StringTie自带的脚本prepDE.py来计算counts值,它可以同时对多个样本做:
prepDE.py -i stringtieRes/ -g countsRes/gene_count_matrix.csv -t countsRes/transcript_count_matrix.csv
stringtieRes/文件夹下面是我所有的样本的文件夹。
*这里我们能得到所有样本的count matrix,但是只能拿到每个样本对应的FPKM值,又有什么方法能得到合并在一起的FPKM matrix呢?这就需要借助ballgown了。
三、Ballgown:
1、安装:
首先你需要下载安装R,我的是3.4.0版本。
source("https://bioconductor.org/biocLite.R") biocLite("ballgown")
这里可能提示你安装XML包的时候会出现错误提示:Cannot find xml2-config
这就需要你在自己电脑上安装相应的模块了,我的是centos7,于是安装相应的模块:
yum install libxml2-devel
顺利安装上ballgown包。
2、使用:
读取所有样本到ballgown对象中:de>
bg = ballgown(dataDir=de>de>de>YSde>, samplePattern='YT1', meas='all');
#其中de>de>YS是我的所有样本的父目录,每个样本文件夹名字都包含YT1。
#计算转录本和基因的FPKM值
de>de>transcript_fpkm = texpr(bg, 'FPKM')
row.names(de>de>de>transcript_fpkmde>) = transcriptNames(bg)
write.csv(de>de>transcript_fpkm,"de>de>de>transcript_fpkm_matrix.csvde>")
de>de>gene_expression = gexpr(bg)
de>de>write.csv(de>de>de>gene_expressionde>,"de>de>de>de>gene_fpkmde>_matrix.csvde>")
任务完成。
3、差异表达分析:
ballgown可以做case/control两两比较的差异表达,也可以做多组比较的差异表达(此时不能计算Fold Change值),
当然也可以做时间序列的差异。
de>de>de>pData(bg) = data.frame(id=sampleNames(bg), group=rep(c(1,0), each=10))
#这里是条件矩阵,每行是一个样本,第二列是条件,如果是case/control那么就是0/1.
de>de>de>de>stat_results = stattest(bg, feature='transcript', meas='FPKM', getFC=TRUE, covariate='group')
#注意getFC在多组比较时候不能用,feature参数可以对基因'gene'或者转录本'transcript'或者外显子'exon'做
差异表达分析。
de>de>de>de>de>Data(bg) = data.frame(pData(bg), time=rep(1:10, 2)) #dummy time covariate timecourse_results = stattest(bg, feature='transcript', meas='FPKM', covariate='time', timecourse=TRUE)de>
de>
但是我个人不太推荐使用ballgown,喜欢使用DESeq2和edgeR来计算。
de>
HISAT2+StringTie+Ballgown安装及使用流程的更多相关文章
- hisat2+stringtie+ballgown
hisat2+stringtie+ballgown Posted on 2016年11月25日 早在去年九月,我就写个博文说 RNA-seq流程需要进化啦!http://www.bio-info-tr ...
- 转录组分析---Hisat2+StringTie+Ballgown使用
转录组分析---Hisat2+StringTie+Ballgown使用 (2016-10-10 08:14:45) 转载▼ 标签: 生物信息学 转录组 1.Hisat2建立基因组索引: First ...
- HISAT2,StringTie,Ballgown处理转录组数据
HISAT2,StringTie,Ballgown处理转录组数据 本文总阅读量次2017-05-26 HISAT2,StringTie,Ballgown处理转录组数据思路如下: 数据质控 将RNA-s ...
- NGS NGS ngs(hisat,stringtie,ballgown)
NGS ngs(hisat,stringtie,ballgown) #HISAT (hierarchical indexing for spliced alignment of transcripts ...
- HISAT,sTRINGTIE,ballgown三款RNA-seq信息分析软件
HISAT,sTRINGTIE,ballgown三款RNA-seq信息分析软件 2015年04月02日 11:35:47 夜丘 阅读数:8940 标签: 生物 更多 个人分类: 论文笔记 Bowt ...
- 最新phpstudy2016安装教程及流程
最新phpstudy2016安装教程及流程,帮助站长快速搭建网站服务器平台! phpstudy软件简介 该程序包集成最新的Apache+Nginx+LightTPD+PHP+MySQL+phpMyAd ...
- PHP开发环境&MySQL下载安装及配置流程
PHP开发环境&MySQL下载安装及配置流程 因工作须要,从0開始学PHP,前几天看完视频教程后開始搞开发环境,到今天才好.这里把安装配置流程梳理一下分享出来. 一.概述 要搭建一个开发环境无 ...
- Nodejs简单介绍以及在windows环境下安装与配置流程
简介 一. Nodejs是什么? Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境.Node.js 使用了一个事件驱动.非阻塞式 I/O 的模型,使其轻量又高效. ...
- thttpd和cgilua安装与运行流程分析
安装 参考如下博文安装thttpd软件 http://blog.csdn.net/21aspnet/article/details/7045845 http://blog.csdn.net/drago ...
随机推荐
- 初始C语言中的指针(翁凯男神MOOC)
运算符 & ● scanf("%d",&i); ●获得变量的地址,它的操作数必须是变量 ● int i; printf("%x",& ...
- vue组件知识点
1.组件的定义 const component = { props: { //外部父组件约束子组件的 里面不要修改 可以通过触发事件来修改 active: Boolean, propOne: Stri ...
- el-js中循环遍历el的集合
遇到问题的代码: var score=0; for(var i=0;i<${fn:length(tMovie.tComments) };i++){ score=${tMovie.tComment ...
- Solr的搭建
Solr6.6.0下载地址 http://www.apache.org/dyn/closer.lua/lucene/solr/ 安装JRE 需要Java Runtime Environment(JRE ...
- Windows配置Java环境
https://jingyan.baidu.com/article/84b4f56598d88b60f7da3272.html
- docker的理解
作者:刘允鹏链接:https://www.zhihu.com/question/28300645/answer/67707287来源:知乎著作权归作者所有.商业转载请联系作者获得授权,非商业转载请注明 ...
- SRVE0255E: 尚未定义要处理 ***的 Web 组/虚拟主机。
原因: 访问的端口未设置,因此无法访问 解决办法: 1.设置端口 控制台-环境-虚拟主机-default_host-主机别名-新建 主机名根据实际情况填写 笔者这里填如下 2.设置好端口后重启对应服务 ...
- 2018年全国多校算法寒假训练营练习比赛(第四场)F:Call to your teacher
传送门:https://www.nowcoder.net/acm/contest/76/F 题目描述 从实验室出来后,你忽然发现你居然把自己的电脑落在了实验室里,但是实验室的老师已经把大门锁上了.更糟 ...
- @RequestParam使用须知
--------------------------siwuxie095 @RequestParam 使用须知 使用 @Requ ...
- TZOJ 4621 Grammar(STL模拟)
描述 Our strings only contain letters(maybe the string contains nothing). Now we define the production ...