Transcriptome：构建索引、CleanData比对

构建索引和转录组CleanData比对

1、安装hisat2软件

1
1
conda install -c bioconda hisat2

2、hisat2构建索引

#-p：选择使用的线程数；Toona_ciliata_LG_Genome.fasta：基因组染色体文件；index：索引文件的前缀，必须包含index_

x
1
hisat2-build -p 50 /home/hztext/dai/Ana_trans/Toona_cilita_var_Genome/Toona_ciliata_LG_Genome.fasta /home/hztext/dai/Ana_trans/hisat2_index/index_

#索引结果文件中包含多个以index_开头的文件

3、利用索引文件批量比对fastq文件，生成sam文件。

香椿转录组sam文件大小一般为20G左右。该代码只针对一个文件夹的文件进行处理，需要多文件夹自动化处理，需增加文件夹的自动访问，具体代码参考后续的sam文件转bam文件。

26
1
#!/bin/bash
2
#index_dir：指定索引文件的路径和前缀
3
index_dir="/home/hztext/dai/Ana_trans/hisat2_index/index_"
4
#input_dir：指定fastq文件的路径
5
input_dir="/home/hztext/dai/Ana_trans/Total_fastq/Tc_Fruit"
6
#output_dir：指定比对后的sam文件输出路径
7
output_dir="/home/hztext/dai/Ana_trans/hisat/Tc_Fruit"
8

9
# 在{input_dir}路径中遍历输入fastq结尾的文件
10
for file in ${input_dir}/*.fastq; do
11
  # 提取文件名和ID
12
  filename=$(basename "$file")
13
  #提取不包含扩展名.fastq的部分
14
  id="${filename%%.*}"
15

16
  # 拼接输入文件路径
17
  input_1="${input_dir}/${id}.clean.1.fastq"
18
  input_2="${input_dir}/${id}.clean.2.fastq"
19

20
  # 拼接输出文件路径
21

22
 output="${output_dir}/${id}_hisat2.sam"
23

24
  # 执行比对命令
25
  hisat2 -p 50  -x "${index_dir}" -1 "${input_1}" -2 "${input_2}" -S "${output}"
26
done

4、将sam文件转成bam文件

以当前50线程的服务器来算，运行40次需要10小时左右（实际为二进制文件，因此文件相对较小，为3G左右）。

利用samtools的sort命令将bam进行排序。

（为什么 BAM 文件sort之后体积会变小？因为BAM文件是压缩的二进制文件，对文件内容排序之后相似的内容排在一起，使得文件压缩比提高了）

将下列代码写成.sh文件，利用“bash 文件名”运行。

28
1
#!/bin/bash
2
# 定义要循环的路径列表
3
paths=(
4
        "/home/hztext/dai/Ana_trans/hisat/Tc_Female"
5
        "/home/hztext/dai/Ana_trans/hisat/Tc_Fruit"
6
        "/home/hztext/dai/Ana_trans/hisat/Tc_Male"
7
        "/home/hztext/dai/Ana_trans/hisat/Tc_Petals"
8
        "/home/hztext/dai/Ana_trans/hisat/Tc_VegOr"
9
)
10

11
# 循环遍历路径列表
12
for path in "${paths[@]}"; do
13
#获取当前路径的最后一个文件夹的文件名
14
  folder_name=$(basename "$path")
15
  # 在每个路径下执行您的命令
16
  cd "$path"  # 切换到当前路径
17
#遍历当前文件夹所有文件，对.sam文件进行处理
18
for sam_file in *.sam; do
19
#获取当前处理的文件名
20
  base_name=$(basename "$sam_file" .sam)
21
 #构建输出bam文件的文件名
22
  bam_file="${base_name}.bam"
23
 #用samtools的view命令将sam文件转成bam文件。-@：选择50个线程；-S：选择sam文件的路径及文件名；-b：利用“>”指定输出bam文件的路径和文件名。
24
  samtools view -@ 50 -S $path/$sam_file -b > $path/$bam_file
25
 #利用sort命令对bam文件进行排序，默认是按照染色体进行排序。$path/$bam_file：输入的bam文件；-o：输出的已排序的bam文件。
26
  samtools sort $path/$bam_file -o /home/hztext/dai/Ana_trans/bam_file/sorted/$folder_name/$bam_file
27
done
28
done