【直播】我的基因组（五）:测试数据及参考基因组的准备
我的全基因组数据还没拿到，而且还会推迟，简单说(tu)明(cao)一下原因（还好当初为了避免广告嫌疑一直没说是哪个公司负责测序，反正用的是illumina的hiseqX10这个测序啦，所以可以尽情的吐槽）。
心烦意乱的吐槽线
负责给我测序的乙方公司项目负责人发了邮件给我，希望我回复确认建库，他们才会走下一个流程，但是这封邮件却被我163邮箱拦截为垃圾邮件，耽误了3天（这个事情告诉我们没事还是要看看垃圾邮件的）。但这个不是重点，因为我重新找回邮件查看他们发给我的样本检测报告分析，我的样本是13号收样品，17号就已经检测完并且审核完成了，但是24号才发邮件给我，对方给我的解释是“上周因工作调动，在办理工作交接过程中，不小心把您的邮件漏掉了，因此耽误了整个项目的进度”。这里不得不吐槽一下中国现在的高通量测序市场环境，真的很差，人才流动性太大，已经有不少老师跟我抱怨过在某某公司，一个项目还没做完，项目经理就换了三个！！！
言归正传，我仔细的看了从垃圾邮件中重新找回的样本检测报告分析，因为我实验方面也不是很懂，就简单提了两个问题,他们公司进行了回答：
单从这个回答上来看，感觉对方公司还是挺专业的！
好了，下面讲一下本次直播的主题吧，下载测试全基因组测序数据跟参考基因组，使用上一次直播下载安装好的软件对我们的参考基因组进行索引，以待后续操作。
因为我的全基因组测序数据不可能公开供大伙来处理学习，所以我们只能选择一组公开数据进行处理。（Jimmy再次啰嗦的说一遍，我们选择的是还算比较新的illumina机器的测序数据(Korean Personal Genome Project中的，该项目共有68个WGS和11个WES，这里统一下载编号为KPGP-00001的样本的数据吧，网址是ftp://ftp.kobic.re.kr/pub/KPGP/2015_release_candidate/WGS/KPGP-00001/，大家在自己的服务器敲这个命令就好了：nohup wget -c -r -nd -np -k -L -p ftp://ftp.kobic.re.kr/pub/KPGP/2015_release_candidate/WGS/KPGP-00001 1>/dev/null 2>&1 & ）
我会同步处理这个数据，还有我自己的数据。下载完了之后，用md5文件进行校验一下（该截图是未完全下载的例子，只是想说md5码相同代表下载完全）。
这个对新手来说，是一个很大的坑，hg19、GRCH37、 ensembl 75这3种基因组版本应该是大家见得比较多的了，国际通用的人类参考基因组，其实他们储存的是同样的fasta序列，只是分别对应着三种国际生物信息学数据库资源收集存储单位，即NCBI，UCSC及ENSEMBL各自发布的基因组信息而已。有一些参考基因组比较小众，存储的序列也不一样，比如BGI做的炎黄基因组，还有DNA双螺旋结构提出者沃森（Watson）的基因组，还有2016年发表在nature上面的号称最完善的韩国人做的基因组。前期我们先不考虑这些小众基因组，主要就下载hg19和hg38，都是UCSC提供的，虽然hg38相比hg19来说，做了很多改进，优点也不少，但因为目前为止很多注释信息都是针对于hg19的坐标系统来的，我们就都下载了，正好自己探究一下。也顺便下载一个小鼠的最新版参考基因组吧，反正比对也就是睡个觉的功夫，顺便分析一下结果，看看比对率是不是很低。
基因组各种版本对应关系：
下载好的基因组需要构建索引，因为我们会比较bowtie2,hisat2和bwa这3个主流比对软件的区别，所以我们会构建所有的索引，下载完毕后如下大小：
以下是下载参考基因组及比对软件的代码：
下载hg19：
cd ~/reference
mkdir -p genome/hg19 && cd genome/hg19
nohup wget http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz &
tar zvfx chromFa.tar.gz
cat *.fa > hg19.fa
rm chr*.fa
下载hg38
cd ~/reference
mkdir -p genome/hg38 && cd genome/hg38
nohup wget http://hgdownload.cse.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz &
下载的小鼠基因组
cd ~/reference
mkdir -p genome/mm10 && cd genome/mm10
nohup wget http://hgdownload.cse.ucsc.edu/goldenPath/mm10/bigZips/chromFa.tar.gz &
tar zvfx chromFa.tar.gz
cat *.fa > mm10.fa
rm chr*.fa
bowtie软件建立索引文件
cd ~/reference
mkdir -p index/bowtie && cd index/bowtie
nohup time ~/biosoft/bowtie/bowtie2-2.2.9/bowtie2-build ~/reference/genome/hg19/hg19.fa ~/reference/index/bowtie/hg19 1>hg19.bowtie_index.log 2>&1 &
nohup time ~/biosoft/bowtie/bowtie2-2.2.9/bowtie2-build ~/reference/genome/hg38/hg38.fa ~/reference/index/bowtie/hg38 1>hg38.bowtie_index.log 2>&1 &
nohup time ~/biosoft/bowtie/bowtie2-2.2.9/bowtie2-build ~/reference/genome/mm10/mm10.fa ~/reference/index/bowtie/mm10 1>mm10.bowtie_index.log 2>&1 &
bwa软件建立索引文件
cd ~/reference
mkdir -p index/bwa && cd index/bwa
nohup time ~/biosoft/bwa/bwa-0.7.15/bwa index -a bwtsw -p ~/reference/index/bwa/hg19 ~/reference/genome/hg19/hg19.fa 1>hg19.bwa_index.log 2>&1 &
nohup time ~/biosoft/bwa/bwa-0.7.15/bwa index -a bwtsw -p ~/reference/index/bwa/hg38 ~/reference/genome/hg38/hg38.fa 1>hg38.bwa_index.log 2>&1 &
nohup time ~/biosoft/bwa/bwa-0.7.15/bwa index -a bwtsw -p ~/reference/index/bwa/mm10 ~/reference/genome/mm10/mm10.fa 1>mm10.bwa_index.log 2>&1 &
hisat软件建立索引文件
cd ~/reference
mkdir -p index/hisat && cd index/hisat
nohup wget ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/data/hg19.tar.gz &
nohup wget ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/data/hg38.tar.gz &
nohup wget ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/data/grcm38.tar.gz &
tar zxvf hg19.tar.gz
tar zxvf grcm38.tar.gz
tar zxvf hg38.tar.gz
文：Jimmy、吃瓜群众
图文编辑：吃瓜群众