必收藏！超详细的小鼠全基因组测序数据分析流程！ |
您所在的位置：网站首页 › 小鼠基因总数是多少 › 必收藏！超详细的小鼠全基因组测序数据分析流程！ |
必收藏！超详细的小鼠全基因组测序数据分析流程！
|
嗨！你好，我是超速成长的子鹿，致力于构建一个欢乐好学有深度且能分享运营收益的生信社群！ 在INFJ和ENFP中反复横跳，不给自己设限的六边形梦想实干家。 更多信息请到文章末尾查看！ 这是我的第36篇文章。 以下是正文： 不知道为什么，网上很少有小鼠全基因组测序数据分析流程，可能是因为小鼠的基因组资源比较少吧。 这里我汇总了目前经常用到的小鼠参考数据库资源，辅助进行变异检测。 同时给了一个可行的小鼠全基因组分析流程供大家参考。 1. 下载小鼠参考数据集 首先下载小鼠的 GRCm38参考基因组网页链接见UCSC：https://hgdownload.soe.ucsc.edu/downloads.html#mouse wget --timestamping 'ftp://hgdownload.cse.ucsc.edu/goldenPath/mm10/chromosomes/*'# 可以解压合并到一起gunzip .fa.gzcat *fa > GRCm38.fa# GRCm39参考基因组wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/001/635/GCA_000001635.9_GRCm39 下载的小鼠参考基因组在用于比对前，需要先进行index和dict处理： samtools=~/miniconda/envs/WGS/bin/samtoolsref=/home/GRCm38.fa$samtools faidx $refGATK=~/software/gatk-4.3.0.0/gatkJava=/usr/bin/javaGRCm38_path=/home/GRCm38${GATK} CreateSequenceDictionary -R ${GRCm38_path}/GRCm38.fa.gz -O GRCm38.fa.dict 下载dbSNP数据库的 GRCm38 VCF文件（这个文件是按染色体分开的） wget --recursive --no-parent --no-directories \--accept vcf*vcf.gz \ftp://ftp.ncbi.nih.gov/snp/organisms/archive/mouse_10090/VCF/
后面又找到合并好的文件，包括SNP和Indel： # SNP# NCIB的资源wget ftp://ftp.ncbi.nih.gov/snp/organisms/archive/mouse_10090/VCF/00-All.vcf.gz wget ftp://ftp.ncbi.nih.gov/snp/organisms/archive/mouse_10090/VCF/00-All.vcf.gz.tbi其实Sanger Mouse Genetics Programme (Sanger MGP)和illumina也提供了很多资源 # Sanger Mouse Genetics Programme (Sanger MGP)的资源wget ftp://ftp-mouse.sanger.ac.uk/REL-1505-SNPs_Indels/mgp.v5.merged.snps_all.dbSNP142.vcf.gz# Indelwget ftp://ftp-mouse.sanger.ac.uk/REL-1505-SNPs_Indels/mgp.v5.merged.indels.dbSNP142.normed.vcf.gz \-O mgp.v5.indels.vcf.gz# illumina也提供了很多资源http://igenomes.illumina.com.s3-website-us-east-1.amazonaws.com/Mus_musculus/UCSC/mm10/Mus_musculus_UCSC_mm10.tar.gz后面发现上面的参考文件是全部的位点，需要进一步过滤出PASS的位点 # take header firstzcat mgp.v5.indels.vcf.gz | head -1000 | grep "^#" | cut -f 1-8 \> mgp.v5.indels.pass.chr.vcf# keep only passing and append zcat mgp.v5.indels.vcf.gz | grep -v "^#" | cut -f 1-8 \| grep -w "PASS" >> mgp.v5.indels.pass.chr.vcf# 排序gatk SortVcf -SD GRCm38_68.dict -I mgp.v5.indels.pass.chr.vcf -O mgp.v5.indels.pass.chr.sort.vcf# rm .idx# rm mgp.v5.indels.pass.chr.sort.vcf.idx 给染色体数字前面加上"chr"，这步是保证跟参考基因组的染色体编号一样回去看了下之前比对用的参考基因组，确实是带chr的！ 
# 修改vcf文件，加上chrfor vcf in $(ls -1 *.vcf.gz) ; do vcf_new=${vcf/.vcf.gz/.vcf} echo $vcf zcat $vcf | sed 's/^\([0-9XY]\)/chr\1/' > $vcf_new rm -fv $vcfdone# 修改头文件中的染色体编号sed -i 's/##contig= |
【本文地址】
今日新闻 |
推荐新闻 |