2022-09-23 small RNA 分析ncRNA 注釋

[【基因組注釋】ncRNA注釋 原創(chuàng)](https://blog.51cto.com/u_15668923/5639934
http://www.chenlianfu.com/?p=2901

image.png

image.png

image.png

image.png

PS:convert_tRNAScanSE_to_gff3.pl 可參考:github: https://github.com/jorvis/biocode/blob/master/gff/convert_tRNAScanSE_to_gff3.pl
image.png

1. RFAM.fa 文件

從rfam下載所有的序列##

wget ftp://ftp.ebi.ac.uk/pub/databases/Rfam/14.8/fasta_files/*
cat RF*.gz>Rfam.all.fa.gz
手動(dòng)解壓

Convert a multi-line FASTA file to a single-line FASTA file:

cat Rfam.all.fa | fasta_formatter -w 0 >Rfam.nowrap.fa

提取fasta 文件中的rRNA 序列

grep -A 1 "rRNA" Rfam.nowrap.fa > hg19.rRNA.fa

將兩個(gè)數(shù)據(jù)庫得到的fa合并在一起

cat hg19.rRNA.fa rRNA.${species}.fa > all.human.rRNA.fa

2. 從ensemble下載ncRNA.fa

Convert a multi-line FASTA file to a single-line FASTA file:

cat Homo_sapiens.GRCh38.ncrna.fa| fasta_formatter -w 0 > Rfam.nowrap.fa

3 下載mt-tRNA標(biāo)準(zhǔn)序列

參考http://www.reibang.com/p/ef20c4932b3b

$ wget ftp://ftp.ensembl.org/pub/release-100/fasta/homo_sapiens/ncrna/Homo_sapiens.GRCh38.ncrna.fa.gz
$ gunzip Homo_sapiens.GRCh38.ncrna.fa.gz 
$ head -100 Homo_sapiens.GRCh38.ncrna.fa #查看fa文件前100行

查看fa文件小RNA類型

cat Homo_sapiens.GRCh38.ncrna.fa | sed -n '/^>/p' | awk '{print $5}' | uniq

ENST00000459236.1 ncrna chromosome:GRCh38:7:128443449:128443510:-1 gene:ENSG00000238590.1 gene_biotype:snRNA transcript_biotype:snRNA gene_symbol:RNU7-54P description:RNA, U7 small nuclear 54 pseudogene [Source:HGNC Symbol;Acc:HGNC:34150]
TAGTGTTACAGCGCTTTGAGAATTTGTCTAGCAGGCCTTTGGGTCTTTACTGGAAAACCC
CT

sed 找到所有以>開頭的行
awk '{print $5}' 輸出每個(gè)項(xiàng)目第五個(gè)的內(nèi)容
uniq 命令刪除重復(fù)的行
ensemble 文件中的RNA類型


圖片10.png
將其中某種類型的RNA(Mt_tRNA)提出來放入單個(gè)文件中
mkdir rfam
cd rfam
touch Mt_tRNA.fa ##新建文件  
cd  在返回上一級(jí)
cat Homo_sapiens.GRCh38.ncrna.fa | sed -n '/Mt_tRNA/{p;n;p}' >>  ./rfam/Mt_tRNA.fa

1.從sra文庫中下載fastq 文件

2.fastqc 檢查fastq質(zhì)量文件

3. cutadapt 去除

#去除有5adaptor污染的reads
cutadapt -g GTTCAGAGTTCTACAGTCCGACGATC --discard-trimmed DRR34.fastq -o DRR34.5adptor.fastq
#去除3adaptor
cutadapt -a TCGTATGCCGTCTTCTGCTTG -m 17 -M 35 --overlap=5 --discard-untrimmed DRR34.5adptor.fastq -o DRR34.3adptor.fastq

去除N的堿基

./removeN DRR34.3adptor.fastq DRR34.unknowNul.fastq

去除低質(zhì)量堿基,使用作者給的-Q 33 不行,改為64可以

fastq_quality_filter -q 20 -p 80 -i DRR34.unknowNul.fastq -o DRR34.clean.fastq  -Q 64
~/Biosofts/fastqc/FastQC/fastqc DRR34.clean.fastq -t 2 -o qcOutdir
image.png

查看以上每個(gè)文件的行數(shù), 就可以繪制下表鸡号。每4行代表一個(gè)reads


image.png
 wc -l DRR34.clean.fastq
image.png

4.[查看長度分布length distribution]

利用其他人寫的pl文件

perl groupReads.pl DRR34.clean.fastq

生成以下三個(gè)文件


image.png

image.png

image.png

image.png

利用寫好的R程序生成圖

Rscript barplot.R DRR34.lengthDistribution.txt DRR34.lengthDistribution.pdf
image.png

5 bowtie 基因組mapping

使用上述的uniq.fasta 作為輸入文件,大大提高運(yùn)行速度

bowtie -f -p 4 -x ./human_index DRR34.uniq.fasta -S DRR34.clean.sam --un DRR34.clean.
unaligned.ncRNA.fa --al DRR34.genome.fasta

生成3個(gè)文件临梗,一個(gè)是匹配了的fasta文件,一個(gè)是未匹配成功的fasta文件序列。還一個(gè)匹配生的SAM文件


image.png
samtools view -hSb  DRR34.clean.sam -o DRR34.clean.bam
samtools view -bS DRR34.clean.sam | samtools sort -o DRR34.clean.bam 
 samtools flagstat DRR34.clean.bam
image.png

查看sam文件格式

less -SN DRR34.clean.sam
image.png

image.png

染色體不為*則代表匹配成功的序列
需要篩選除匹配上的序列

awk '$3~/chr/{print ">"$1"\n"$1}' DRR34.sam >DRR34.genome.fasta

但是這里的染色體開頭并沒有chr扣典,所有得替換负甸,只能用正則表達(dá)是流强。目前還沒想到
但是前面匹配過程中已經(jīng)給出了匹配得fasta 序列,如 DRR34.genome.fasta

6 MIRbase 匹配

https://mirbase.org/ 進(jìn)入download wget下載

image.png

image.png

利用寫好得pl文件呻待,獲取homo sapients得mirna fasta 文件

perl pickSpeciesRNA.pl --input mature.fa --out hsa.mature.fa --species 'Homo sapiens'
perl pickSpeciesRNA.pl --input hairpin.fa --out hsa.hairpin.fa --species 'Homo sapiens'

建立blast 索引庫

makeblastdb -in hsa.mature.fa -dbtype nucl
makeblastdb -in hsa.hairpin.fa -dbtype nucl

開始blast

blastn -query DRR34.genome.fasta -db hsa.mature.fa -task blastn-short -outfmt 6
 -evalue 0.01 -out DRR34.mature.blast.txt -num_alignments 1

生成得DRR34.mature.blast.txt文件格式如下


image.png

同樣
blastn -query DRR34.genome.fasta -db hsa.hairpin.fa -task blastn-short -outfmt 6 -evalue 0.01 -out DRR34.hairpin.blast.txt -num_alignments 1

perl miRNAStat.pl --mature DRR34.mature.blast.txt --hairpin DRR34.hairpin.blast.txt --genomeFa DRR34.genome.fasta 
 --readCount DRR34.readCounts.txt --fastaOut DRR34.removeMirna.fasta --statOut DRR34.ncRNA.stat.txt --expOut DRR34.exp.txt --mismatch 1

生成3個(gè)文件


image.png

image.png

image.png

image.png

7 其他coding RNA 匹配

如1 中下載好了Rfam.all.fa.gz打月,并解壓為
image.png
perl pickSpeciesRNA.pl --input Rfam.fa --out hsa.Rfam.fasta --species 'Homo sapiens'
image.png

構(gòu)建索引

makeblastdb -in hsa.Rfam.fasta -dbtype nucl


image.png

進(jìn)行比對

 blastn -query DRR34.removeMirna.fasta -db hsa.Rfam.fasta -task blastn-short 
-outfmt 6 -evalue 0.01 -out DRR34.Rfam1.blast.txt -num_alignments 1
image.png
image.png

該結(jié)果與作者展示的結(jié)果不一致,是由于Rfam的版本不一樣蚕捉,我選擇的是14.8版本奏篙,而作者選用的是11的版本

image.png

11版本的結(jié)果


image.png
perl RfamStat.pl --Rfam DRR34.Rfam1.blast.txt --inputFa DRR34.removeMirna.fasta --readCount DRR34.readCounts.txt --fastaOut DRR34.removeRfam.fasta --statOut DRR34.ncRNA.stat.txt
image.png

最終各類RNA注釋結(jié)果


image.png

改為11版本的注釋就行

8 不同miRNA[diffential expression]

根據(jù)之前perl miRNAStat.pl --mature DRR34.mature.blast.txt --hairpin DRR34.hairpin.blast.txt --genomeFa DRR34.genome.fasta
--readCount DRR34.readCounts.txt --fastaOut DRR34.removeMirna.fasta --statOut DRR34.ncRNA.stat.txt --expOut DRR34.exp.txt --mismatch 1
得到的DRR34.exp.txt文件,同理其他文件也是類似得到


image.png

四個(gè)矩陣進(jìn)行合并

perl getExpMatrix.pl DRR33.exp.txt DRR34.exp.txt DRR35.exp.txt DRR36.exp.txt
image.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末迫淹,一起剝皮案震驚了整個(gè)濱河市秘通,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌千绪,老刑警劉巖充易,帶你破解...
    沈念sama閱讀 216,470評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異荸型,居然都是意外死亡盹靴,警方通過查閱死者的電腦和手機(jī)炸茧,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來稿静,“玉大人梭冠,你說我怎么就攤上這事「谋福” “怎么了控漠?”我有些...
    開封第一講書人閱讀 162,577評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長悬钳。 經(jīng)常有香客問我盐捷,道長,這世上最難降的妖魔是什么默勾? 我笑而不...
    開封第一講書人閱讀 58,176評(píng)論 1 292
  • 正文 為了忘掉前任碉渡,我火速辦了婚禮,結(jié)果婚禮上母剥,老公的妹妹穿的比我還像新娘滞诺。我一直安慰自己,他們只是感情好环疼,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,189評(píng)論 6 388
  • 文/花漫 我一把揭開白布习霹。 她就那樣靜靜地躺著,像睡著了一般炫隶。 火紅的嫁衣襯著肌膚如雪淋叶。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,155評(píng)論 1 299
  • 那天伪阶,我揣著相機(jī)與錄音爸吮,去河邊找鬼。 笑死望门,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的锰霜。 我是一名探鬼主播筹误,決...
    沈念sama閱讀 40,041評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼癣缅!你這毒婦竟也來了厨剪?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,903評(píng)論 0 274
  • 序言:老撾萬榮一對情侶失蹤友存,失蹤者是張志新(化名)和其女友劉穎祷膳,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體屡立,經(jīng)...
    沈念sama閱讀 45,319評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡直晨,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,539評(píng)論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片勇皇。...
    茶點(diǎn)故事閱讀 39,703評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡罩句,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出敛摘,到底是詐尸還是另有隱情门烂,我是刑警寧澤,帶...
    沈念sama閱讀 35,417評(píng)論 5 343
  • 正文 年R本政府宣布兄淫,位于F島的核電站屯远,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏捕虽。R本人自食惡果不足惜慨丐,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,013評(píng)論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望薯鳍。 院中可真熱鬧咖气,春花似錦、人聲如沸挖滤。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽斩松。三九已至伶唯,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間惧盹,已是汗流浹背乳幸。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評(píng)論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留钧椰,地道東北人粹断。 一個(gè)月前我還...
    沈念sama閱讀 47,711評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像嫡霞,于是被迫代替她去往敵國和親瓶埋。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,601評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容