任务1:从Ensembl数据库下载最新的人类参考基因组序列（fasta格式）以及对应的注释文件（GFF格式）
任务2:下载人类GM2878的转录组测序数据（GEO:GSE88583）
https://www.encodeproject.org/experiments/ENCSR843RJV/
并进行质量检测（FastQC）和过滤（TrimGalore）
一、准备
（1） 所需软件
- 📎MobaXterm_Installer_v25.2.zip连接服务器使用
- fastqc进行质量分析
- trim_galore进行过滤
（2）所需资源
1）人类基因组
- Homo_sapiens.GRCh38.114.gtf（gtf 解释文件）
- Homo_sapiens.GRCh38.dna.primary_assembly.fa（人类基因组）
2）GM12828 基因
- ENCLB518OAU
- ENCLB919DEB
（2）安装 miniconda
1）安装
1
2
3
4
5
6
7
8
9
10
11
|
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
echo 'export PATH="～/miniconda3/bin: $ PATH"' >> ～/.bashrc
source ～/.bashrc
conda --version
conda create -n myenv
conda activate myenv
|
2）换源
1
2
3
4
5
6
7
8
9
10
11
12
13
| echo 'channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirror.lzu.edu.cn/anaconda/pkgs/main
- https://mirror.lzu.edu.cn/anaconda/pkgs/r
- https://mirror.lzu.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirror.lzu.edu.cn/anaconda/cloud
pytorch: https://mirror.lzu.edu.cn/anaconda/cloud
' | tee ~/.condarc
conda config --set custom_channels.bioconda https://mirror.lzu.edu.cn/anaconda/cloud/
|
3）利用 conda 安装软件
1
2
3
| conda create -n myenv python=3.6#创建环境，一定要指定python版本
conda activate myenv
conda install -c bioconda fastqc trim-galore snakemake
|
二、 编写 snakemake
使用 snakemake 工作流，可以简便工作流程，此处不过多解释 Snakemake 的编写规则
（1） 创建 Snakefile 文件（utf-8 编码）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
SAMPLES = ["ENCFF824LLV", "ENCFF974EKR"]
INPUT_DIR = "data"
FASTQC_OUTPUT_DIR = "results/fastqc"
TRIMMED_OUTPUT_DIR = "results/trimmed"
configfile: "config/config.yaml"
rule all:
input:
expand(f"{FASTQC_OUTPUT_DIR}/{{sample}}_fastqc.html", sample=SAMPLES),
expand(f"{TRIMMED_OUTPUT_DIR}/{{sample}}_trimmed.fq.gz", sample=SAMPLES),
expand(f"{TRIMMED_OUTPUT_DIR}/{{sample}}_trimming_report.txt", sample=SAMPLES)
rule fastqc_original:
input:
f"{INPUT_DIR}/{{sample}}.fastq.gz"
output:
html=f"{FASTQC_OUTPUT_DIR}/{{sample}}_fastqc.html",
zip=f"{FASTQC_OUTPUT_DIR}/{{sample}}_fastqc.zip"
shell:
"""
mkdir -p {FASTQC_OUTPUT_DIR}
fastqc --outdir {FASTQC_OUTPUT_DIR} {input}
"""
rule trim_galore:
input:
f"{INPUT_DIR}/{{sample}}.fastq.gz"
output:
trimmed=f"{TRIMMED_OUTPUT_DIR}/{{sample}}_trimmed.fq.gz",
report=f"{TRIMMED_OUTPUT_DIR}/{{sample}}_trimming_report.txt"
params:
adapter="CTGTCTCTTATACACATCT"
threads: 4
shell:
"""
mkdir -p {TRIMMED_OUTPUT_DIR}
trim_galore \
--gzip \
--adapter {params.adapter} \
--length 20 \
--output_dir {TRIMMED_OUTPUT_DIR} \
--cores {threads} \
{input}
"""
|
Snakefile 一定要按照格式书写
（2）配置文件
1
2
3
4
5
6
7
8
9
10
11
12
| trim_galore:
cores: 8
name: rnaseq-pipeline
channels:
- bioconda
- conda-forge
- defaults
dependencies:
- python=3.10
- fastqc=0.12.1
- trim-galore=0.6.9
- snakemake=8.16.0
|
