運行SCENIC做單細胞的轉錄因子分析時遇到一個問題创南，就是運行SCENIC所需的輸入文件中需要用到cistarget database的參考motif文件乏矾，而這個在SCENIC官網上僅有人、小鼠、果蠅的參考數據庫，而自己的數據是大鼠的基因組，因此需要自己動手去建大鼠的cistarget database霹期。
SCENIC官網中提供了create cistarget database的workflow，但官網中該部分的文檔寫的并不十分詳細拯田，在此特別感謝另外一位做擬南芥的簡友历造，提供了很好的借鑒，附上參考資料：
https://github.com/aertslab/create_cisTarget_databases
http://www.reibang.com/p/59db26de0858
https://github.com/weng-lab/cluster-buster
第一步：安裝各種軟件
創(chuàng)建環(huán)境
conda create -n create_cistarget_databases \
'python=3.10' \
'numpy=1.21' \
'pandas>=1.4.1' \
'pyarrow>=7.0.0' \
'numba>=0.55.1' \
'python-flatbuffers'
conda activate create_cistarget_databases
將create_cisTarget_databases軟件包拷貝到本地
git clone https://github.com/aertslab/create_cisTarget_databases
安裝Cluster-Buster
##安裝預編譯二進制文件
cd "${CONDA_PREFIX}/bin" #進入環(huán)境根目錄下的bin文件夾
wget https://resources.aertslab.org/cistarget/programs/cbust #下載預編譯二進制文件
chmod a+x cbust #使該文件變?yōu)榭蓤?zhí)行文件
##安裝cbust
git clone -b change_f4_output https://github.com/ghuls/cluster-buster/
cd cluster-buster
make cbust
conda activate create_cistarget_databases
cp -a cbust "${CONDA_PREFIX}/bin/cbust"
安裝UCSC工具
cd "${CONDA_PREFIX}/bin"
wget http://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/liftOver
wget http://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/bigWigAverageOverBed
chmod a+x liftOver bigWigAverageOverBed
conda activate create_cistarget_databases
第二步：創(chuàng)建Cistarget數據庫
根據create_cistarget_database的官方文檔船庇，需要輸入以下文件
image.png
所需文件
1吭产、FASTA file with regulatory regions: 所有基因的啟動子區(qū)域序列，可以在UCSC中下載https://hgdownload.soe.ucsc.edu/goldenPath/rn7/bigZips/鸭轮。
2臣淤、motifs矩陣文件：in Cluster-Buster format
從cisBP(http://cisbp.ccbr.utoronto.ca/)中下載大鼠基因的motif信息，主要關注PWM文件夾窃爷。
image.png
image.png
需要注意的是卿堂，PWM文件夾中的motif矩陣文件需要修飾為Cluster-Buster中的motif矩陣格式!
image.png
cd ./pwms_all_motifs
#Step 1: 去掉文件夾中所有txt文件的第一行和第一列的信息
for file in *.txt; do
awk 'NR>1 { for (i=2; i<=NF; i++) printf $i"\t"; printf "\n" }' "$file" > "${file}_temp"
mv "${file}_temp" "$file"
done
#Step 2: 過濾掉文件夾中的空白文件
find ./ -type f -empty -delete
#Step 3: 提取文件夾中的文件名作為motif_id，并在相應的txt文件的第一行添加motif_id的信息
for file in *.txt; do
motif_id=$(basename "$file" .txt)
sed -i "1s/^/$motif_id\n/" "$file"
done
#Step 4: 在所有文檔的開頭加上“>”符號
sed -i '1s/^/>/' *.txt
#Step 5: 將所有文件的后綴名改為.cb文件
for file in *.txt; do
mv "$file" "${file%.txt}.cb"
done
image.png
3懒棉、motif list：其實就是把PWM文件夾中所有文件的文件名提取出來形成一個txt文件就行
for file in pwms_all_motifs/*.cb; do
echo "$(basename "$file" .cb)" >> motif_list.txt
done
運行create_cisTarget_motif_databases.py
cd /home/lwc/scRNA/SCENIC/create_cisTarget_databases
ln -s ~/scRNA/SCENIC/Rattus_cistarget_database/upstream2000.fa
ln -s ~/scRNA/SCENIC/Rattus_cistarget_database/pwms_all_motifs/
ln -s ~/scRNA/SCENIC/Rattus_cistarget_database/motif_list.txt
python create_cistarget_motif_databases.py \
-f upstream2000.fa \
-M pwms_all_motifs/ \
-m motif_list.txt \
-o ~/scRNA/SCENIC/Rattus_cistarget_database/ \
-t 22
運行界面如下image.png
總結
- 第一步安裝軟件按照create_cistarget_database的官方文檔來就好了
- 第二步比較坑的一點是官方文檔中只說了需要Cluster-Buster格式的motif文件草描，但是并沒有詳細說明，另外就是還缺少說明motif list需要的是什么信息策严。
- 想要創(chuàng)建cistarget database穗慕，最關鍵的是要拿到對應種屬的motif PWM文件，然后將這個motif的矩陣文件進行修飾改為Cluster-Buster的格式享钞。
- 本文選取的是收錄motif信息最多的cisbp數據庫揍诽，當然還有其他數據庫可以下載這個motif PWM文件诀蓉，但是至于怎么把它們整合起來那是另一回事了栗竖。
