转录组入门(4):了解参考基因组及基因注释

作业要求

在UCSC下载hg19参考基因组,群主博客有详细说明,从gencode数据库下载基因注释文件,并且用IGV去查看你感兴趣的基因的结构,例如TP53,EGFR等等。
截图几个基因的IGV可视化结构!还可以下载ENSEMBL,NCBI的GTF,也导入IGV看看,截图基因结构。了解IGV常识。
来源于生信技能树:http://www.biotrainee.com/forum.php?mod=viewthread&tid=1750#lastpost

实验过程

1.参考基因组hg19下载

Jimmy大神的博客:生信菜鸟团,详细介绍了各种基因组版本的对应关系以及下载方法。

# 下载USCS版本的hg19
$ mkdir -p ~/disk2/data/reference/genome
$ cd ~/disk2/data/reference/genome
$ nohup wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz &
# 解压,得到所有染色体的信息
$ tar -zxvf chromFa.tar.gz
# 将所有的染色体信息整合在一起,重定向写入hg19.fa文件,得到参考基因组
$ cat *.fa > hg19.fa
# 将多余的染色体信息文件删除,节省空间
$ rm -rf chr*
  • 查找基因组的过程介绍及USCS页面简单介绍:
    1.打开USCS官网:http://genome.ucsc.edu/,导航栏:我们主要利用Downloads第五个标签,其下还有很多工具。
    图1 UCSC官网首页信息

    2.Downloads 标签,选择下拉菜单Genome data,进入图三页面,第一个大类是脊椎动物,人类自然是包括在内的。
    图2 Genome data

    图3 Genome data点击后的页面内容

    3.下载人类Human的基因组,点击human,进入基因组页面,点击所有数据集(full data set),看到很多文件,我们要下载的就是chromFa.tar.gz(The assembly sequence in one file per chromosome.)。
    图4 基因版本,hg19

    图5 hg19版本所有数据列表

2.参考基因组注释下载

进入人和小鼠基因组注释信息官网GENCODE,选择data->human->GRCh37-mapped Releases,下载最新第26版本的hg19人类基因组注释信息。点击进入下载页面,将GTF和GFF3全部下载,解压。

图6 hg19版本基因组注释信息

图7 基因组注释信息版本GFF和GTF

GTF和GFF之间的区别:

数据结构:都是由9列构成,分别是reference sequence name; annotation source; feature type; start coordinate; end coordinate; score; strand; frame; attributes.前8列都是相同的,第9列不同。
GFF第9列:都是以键值对的形式,键值之间用“=”连接,不同属性之间用“;”分隔,都是以ID这个属性开始。下图中有两个ID,说明是不同的序列。

图8 gff第9列格式

GTF第9列:同样以键值对的形式,键值之间是以空格区分,值用双引号括起来;不同属性之间用“;”分隔;开头必须是gene_id, transcipt_id两个属性。
图9 gtf第9列格式

参考资料:http://www.jianshu.com/p/48b5a0972301
http://www.gencodegenes.org/faq.html

# gtf及gff3下载代码
$ mkdir -p ~/disk/data/reference/genome/hg19
$ cd ~/disk2/data/reference/genome/hg19
$ wget ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gtf.gz
$ wget ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gff3.gz
$ gunzip *.gz && rm -rf *.gz

3.IGV下载及使用

Integrative Genomics Viewer(IGV)是一种探索大型综合基因组数据的高性能交互式可视化工具。它支持各种各样的数据类型,包括基于芯片测序、二代测序数据和基因组注释数据等。

  • IGV下载
# 进入IGV官网,并下载相应的软件包,有Windows,Mac,和LINUX,这里我下载Linux二进制包
$ cd ~/src
$ wget http://data.broadinstitute.org/igv/projects/downloads/IGV_2.3.97.zip
$ unzip IGV_2.3.97.zip && mv IGV_2.3.97 ~/biosoft
# 添加环境变量
$ vim ~/.bashrc
PATH=$PATH:~/biosoft/IGV_2.3.97
$ source ~/.bashrc
# 运行IGV,Linux直接运行igv.sh可以开启IGV窗口,但是会比较慢,要耐心等待。
$ igv.sh
  • IGV使用


    初始化窗口

    1.载入基因组,选择Genome标签,load我们之前已经下载好的hg19.fa基因组。

    2.载入基因组注释,但是在载入之前需要将gff3进行排序,选择Tools-Run igvtools,进入以下igvtools窗口:
    igvtools窗口

    3.获得sorted文件:command选择sort,再选择输入的注释文件,点击Run,就可以生成sorted.gff3文件。
    4.通过file->load from file...选择sorted文件,打开。选择区域的大小,来看某些基因的信息,蓝色的粗线条就是代表基因。说到底,IGV就是一个将基因组及其注释信息可视化的工具。
    载入基因组和注释信息后的窗口

参考资料:
http://blog.sina.com.cn/s/blog_165caa4fd0102wh0n.html
http://www.cnblogs.com/leezx/p/5603481.html

推荐阅读更多精彩内容

  • 作业要求转录组入门(4):了解参考基因组及基因注释在UCSC下载hg19参考基因组,我博客有详细说明,从genco...
    JeremyL阅读 5,399评论 1 8
  • 转录组入门(4):了解参考基因组及基因注释在UCSC下载hg19参考基因组,我博客有详细说明,从gencode数据...
    xuzhougeng阅读 30,617评论 11 60
  • 前言 这次给大家带来的是16年发表在NATURE PROTOCOLS上面的一篇处理RNA-seq数据的文章:Tra...
    面面的徐爷阅读 59,836评论 52 190
  • 我们每个人的一生,都在不断做出选择,在选择的过程中也会经历各样的考验,我们都渴望做出对自己更好、更有益的选择。 然...
    Chica_d465阅读 227评论 2 4
  • 关于爱慕。 相信很多人一眼就能看出我这个话题中透露的浓浓闷骚气息。为什么要写爱慕呢? 首先这是一个动名词,多数用作...
    995吧阅读 71评论 0 0
  • 《论语》由孔子弟子及再传弟子编写而成,至汉代成书。主要记录孔子及其弟子的言行,这里面有不少是曾参的学生所记载的。较...
    清心阁阅读 144评论 0 0
  • 前不久朋友圈里到处是关于《我的前半生》的感悟,心得。女人们开始是同情罗子君,憎恨陈俊生的,一个把全部精力都放在丈夫...
    潘朵拉魔女阅读 514评论 0 2
  • 我一点也想不通, 明明傍晚的时候 它是个慢性子, 走路就好像 钟乳石滴下的水滴。 可为什么, 当一切安静下来, 我...
    晨光微晓阅读 165评论 0 0