寫在前面
故事一
最近，帶著一個師弟搞合作課題追城，期間發(fā)現(xiàn)刹碾，基因結(jié)構(gòu)注釋矯正非常重要。錯誤的基因結(jié)構(gòu)注釋會引發(fā)錯誤的判斷漓柑，從而甚至錯失一些課題故事亮點(diǎn)教硫。（當(dāng)然，我們有我之前寫的IGV-sRNA和IGV-GSAme辆布，分分鐘搞定)瞬矩。很久很久以前，我基于IGV源碼個性化開發(fā)了IGV-GSAme锋玲，目的就是快速矯正基因結(jié)構(gòu)注釋景用，更或者一邊挖生物學(xué)故事，一邊矯正基因結(jié)構(gòu)注釋惭蹂。開展這一部分工作的前提是依賴轉(zhuǎn)錄組測序數(shù)據(jù)回帖文件伞插，就是SAM/BAM。
可以說盾碗，這是我一直不爽的事情媚污，難道不能讓所有人都可以自己回帖，自己矯正數(shù)據(jù)嗎廷雅？
故事二
前面耗美，調(diào)用 Kallisto京髓，我已經(jīng)搞定了RNAseq數(shù)據(jù)分析，從測序原始數(shù)據(jù)（甚至是SRA）文件到表達(dá)量以及Read Counts 的界面化商架，所有人堰怨，只要用的是 Windows 或 MacOS 系統(tǒng)，都可以輕松完成蛇摸。再借助 TBtools 老鐵用戶們貢獻(xiàn)的 R Plugins备图，可以說，差異表達(dá)分析赶袄，富集分析揽涮，也全了。我自認(rèn)為弃鸦，幾乎完美绞吁！
但這個仍舊美中不足，為什么唬格？因?yàn)?Kallisto 只是真mapping家破，而“假”比對。無論怎么說购岗，他的準(zhǔn)確程度嚴(yán)重依賴與基因結(jié)構(gòu)注釋汰聋。換句話說，盡管趨勢沒啥問題喊积，數(shù)值偏差不大烹困，但偏差并不會消失。要盡可能準(zhǔn)確乾吻，還是得Align髓梅，而不是 Quant。
一切一切绎签，讓我很不爽枯饿！搞個基因結(jié)構(gòu)注釋矯正，就那么難诡必？不能讓所有人都搞得了嗎奢方？
當(dāng)然不是！
“山重水復(fù)疑無路爸舒，生信分析 TBtools蟋字！”，花了一點(diǎn)點(diǎn)時間扭勉，先搞了第一步鹊奖，Hisat2-build，即索引構(gòu)建涂炎。
我們很清楚嫉入，對于轉(zhuǎn)錄組回帖軟件來說焰盗，索引構(gòu)建總是比回帖時需要占用的內(nèi)存大得多。只要能構(gòu)建索引（或者下載到別人構(gòu)建好的索引）咒林，那就可以回帖。
于是爷光，TBtools 又增加了一個插件５婢骸（本帖預(yù)告）
在Windows下，4G內(nèi)存的PC蛀序，測試索引構(gòu)建欢瞪，完美！
在MacOS下徐裸，VMware虛擬機(jī)遣鼓，4G內(nèi)存，測試香蕉基因組的索引構(gòu)建重贺，完美骑祟！
大概花了 15 min。
怎么說呢气笙？這里有一個 Trick 的地方次企。索引構(gòu)建其實(shí)可以通過插入剪切位點(diǎn)位置和外顯子位置，搞得需要非常高的內(nèi)存潜圃，以至于人類基因組就需要上百G缸棵。但這類索引則一般更適合在成熟的物種上，比如模式生物谭期。這就有趣了堵第，因?yàn)槟Ｊ缴锏腍isat index，直接去官網(wǎng)下載構(gòu)建好的就行了隧出。對于非模式生物踏志，其實(shí)已知注釋本來就不準(zhǔn)，那么插入就幾乎不存在意義鸳劳。常規(guī)模式挺好~
于是狰贯，剩下的就是下一步，Hisat-align ~
寫在后面
假期更是忙碌赏廓，
那么這個車開不開涵紊？車票定多少合適呢？
