融合基因检测软件-soapfusion

开发单位：华大，SOAP系列软件套装！

• 功能：检测融合基因

• 优点：在现有的各种软件里面表现算是最好的(当时)

• 算法：是 hash index，跟其它bwt算法不太一样

官网：http://soap.genomics.org.cn/soapfuse.html paper：https://genomebiology.biomedcentral.com/articles/10.1186/gb-2013-14-2-r12

其它软件有： FusionSeq [21], deFuse [22], TopHat-Fusion [23], FusionHunter [24], SnowShoes-FTD [25], chimerascan [26] and FusionMap [27]

具体的算法我没看，因为只是有需求，正好有一些RNA-seq数据又想看看样本融合基因情况。所以就测试这个软件，通俗点说，融合基因原理其实很简单，如果有足够多的reads一部分比对到一个基因，另一部分比对到另一个基因，就可以说明它们两个基因发生了融合现象！如果是PE测序，那么更方便，左右两端reads比对情况也可以考虑。我就不多说废话了，直接上操作教程吧！

一，软件安装

软件下载地址：https://sourceforge.net/projects/soapfuse/files/SOAPfuse_Package/SOAPfuse-v1.27.tar.gz

下载压缩包，解压后即可使用！！！

推荐用最新版，然后看作者说明书的时候也要看清楚！

我反正好几次都搞糊涂了，最后联系了作者才搞明白，作者说他想更新到2.0版本，直接用HISAT的比对sam文件来做，但是还在筹备中，我觉得有点悬！(写这个博客说这句话的时候是2016年，现在是2018年了，果然，作者没有兑现他的承诺)

1

解压后是一堆perl程序，都在source目录下，source目录下面还有bin下面附带了几个第三方软件，包括bwa，blast和soap，最后都用得着！

有个很重要的问题，一定要软件自带的perl模块添加到perl的环境变量。不然那些perl程序运行会报错！

配置文件需要修改，就把几个目录放进去即可。

二，输入数据准备

这里最重要的就是制作数据库！！！

作者给了非常详细的制作过程，我觉得还是不够清楚，所以再讲一遍！

https://sourceforge.net/p/soapfuse/blog/2013/07/strategy-for-recurrent-transcriptname-and-genename-in-ensembl-gtf-file

首先下载5个文件：

• 6.5K Jun 15 2009 cytoBand.txt.gz

• 3.0G Oct 12 2012 hg19.fa

• 2.5M Mar 15 10:30 HGNCGeneFamily_dataset

• 38M Feb 8 2014 Homo_sapiens.GRCh37.75.gtf.gz

• 202 Jan 19 16:07 HumanRefrefsegsymbols_relationship.list

文件下载地址，作者已经给出了！

我把这些文件都放在的当前文件夹下面的raw这个子文件夹，作为该软件的database文件夹！！！

然后运行命令！(那个时候写教程比较粗略，这句话其实有歧义)

我在SOAPfuse-v1.27文件下面运行：

1. perl ../SOAPfuse-v1.27/source/SOAPfuse-S00-Generate_SOAPfuse_database.pl  \

2. -wg raw/hg19.fa  -gtf raw/Homo_sapiens.GRCh37.75.gtf.gz  -cbd raw/cytoBand.txt.gz   -gf raw/HGNC_Gene_Family_dataset \

3. -rft raw/HumanRef_refseg_symbols_relationship.list \

4. -sd ../SOAPfuse-v1.27 -dd ./

这一步耗时很长，4~6小时，创造了 transcript.fa 和 gene.fa，然后还对他们建立bwa和soap的 index，所以有点慢！

构建成功会有提示：

1. Congratulations!

2. You have constructed SOAPfuse database files successfully.

3. These database files are all stored in directory you supplied:

4. /home/jmzeng/biosoft/SOAPfuse/db_v1.27/

5. They are all generated based on public data files you supplied:

6. whole_genome_fasta_file:   /home/jmzeng/biosoft/SOAPfuse/db_v1.27/raw/hg19.fa

7. gtf_annotation_file:       /home/jmzeng/biosoft/SOAPfuse/db_v1.27/raw/Homo_sapiens.GRCh37.75.gtf.gz

8. Chr_Bandregion_file:       /home/jmzeng/biosoft/SOAPfuse/db_v1.27/raw/cytoBand.txt.gz

9. HGNC_gene_family_file:     /home/jmzeng/biosoft/SOAPfuse/db_v1.27/raw/HGNC_Gene_Family_dataset

10. gtf_segname2refseg_list:   /home/jmzeng/biosoft/SOAPfuse/db_v1.27/raw/HumanRef_refseg_symbols_relationship.list

这些目录很重要，接下来制作配置文件会用得着！

1. To use these database files, just set the 'DB_db_dir' in config file as belowed:

2. DB_db_dir  =   /home/jmzeng/biosoft/SOAPfuse/db_v1.27

配置文件需要修改下面5个

1. > DB_db_dir = /DATABASE_DIR/

2. > PG_pg_dir = /TOOL_DIR/source/bin

3. > PS_ps_dir = /TOOL_DIR/source

4. > PD_all_out = /out_directory/

5. > PA_all_fq_postfix = PostFix

其实你仔细阅读了说明书，你就知道该修改成什么样子了！

最后制作sample list文件

我这里只有一个sample,所以文件就一句话即可

test test test 100

所以我的有下面两个文件，都是为了顺应作者的需求我才搞了test/test/test这么无聊的东西！！！

1. /home/jmzeng/test_for_soapfuse/test/test/test_1.fq.gz

2. /home/jmzeng/test_for_soapfuse/test/test/test_2.fq.gz

如果你有多个sample需要一起运行，你就要仔细读作者的readme了，它把这个配置文件搞得特别复杂！！！

三，运行命令

如果文件都准备好了，运行命令非常简单！！

1. perl SOAPfuse-RUN.pl -c <config_file> -fd <WHOLE_SEQ-DATA_DIR> -l <sample_list> -o <out_directory> [Options]

运行的非常慢！！！

因为需要重新比对

四，数据结果解读

结果，作者已经说的很清楚了，我就不多说了！

感谢大家关注生信技能树的融合基因专题，目前为止我们已经介绍的软件如下：