PANDA姐的转录组入门(4):了解参考基因组及基因注释

任务列表

• 1.在UCSC下载hg19参考基因组；

• 2.从gencode数据库下载基因注释文件，并且用IGV去查看感兴趣的基因的结构，比如TP53,KRAS,EGFR等等。

• 3.截图几个基因的IGV可视化结构

• 4.下载ENSEMBL，NCBI的gtf，也导入IGV看看，截图基因结构

• 5.了解IGV常识

在UCSC下载hg19参考基因组

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。(http://www.bio-info-trainee.com/1985.html) 
基因组各种版本对应关系：http://www.bio-info-trainee.com/1469.html

1. mkdir /mnt/d/rna_seq/data/reference && cd  /mnt/d/rna_seq/data/reference

2. mkdir -p genome/hg19  && cd genome/hg19

3. # nohup wget http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz &

4. nohup axel http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz &

5. tar zvfx chromFa.tar.gz

6. cat *.fa > hg19.fa

7. rm chr*.fa

关于GRCh37/hg19 
GRCh37 is the Genome Reference Consortium Human genome build 37. 
hg19基因组大小是3G，压缩后八九百兆。

从gencode数据库下载基因注释文件，并且用IGV去查看感兴趣的基因的结构

下载基因注释文件

官网：http://www.gencodegenes.org/releases/26lift37.html

1. axel ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gtf.gz

2. gzip -d gencode.v26lift37.annotation.gtf.gz

下载安装IGV、BEDtool

官网：http://software.broadinstitute.org/software/igv/download 

1. wget  https://github.com/arq5x/bedtools2/releases/download/v2.26.0/bedtools-2.26.0.tar.gz

2. tar -zxvf  bedtools-2.26.0.tar.gz

3. cd  bedtools2

4. make

截图几个基因的IGV可视化结构

批量截图：TP53,KRAS,EGFR

1. grep -w 'gene' gencode.v26lift37.annotation.gtf |grep  -w 'TP53'|cut -f 1,4,5 >>gene.bed

2. grep -w 'gene' gencode.v26lift37.annotation.gtf |grep  -w 'KRAS'|cut -f 1,4,5 >>gene.bed

3. grep -w 'gene' gencode.v26lift37.annotation.gtf |grep  -w 'EGFR'|cut -f 1,4,5 >>gene.bed

4. /mnt/d/Software/Biosoft/bedtools2/bin/bedtools igv -i gene.bed >Bach_sanpshot.txt

5. # perl -alne '{print "goto $F[0]:$F[1]-$F[2]\nsnapshot $F[3].png"} '

下载ENSEMBL，NCBI的gtf

1. # ftp://ftp.ensembl.org/pub/grch37/release-89/gtf/homo_sapiens/

2. axel ftp://ftp.ensembl.org/pub/grch37/release-89/gtf/homo_sapiens/Homo_sapiens.GRCh37.87.gtf.gz

3. axel ftp://ftp.ensembl.org/pub/grch37/release-89/gtf/homo_sapiens/Homo_sapiens.GRCh37.87.chr.gtf.gz

1. # ftp://ftp.ncbi.nih.gov/genomes/H_sapiens/GFF/

2. # ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/

3. axel  ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/ANNOTATION_RELEASE.105/GFF/ref_GRCh37.p13_top_level.gff3.gz

4. axel ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/ANNOTATION_RELEASE.105/GFF/ref_GRCh37.p13_scaffolds.gff3.gz

最后来个小视频~

https://v.qq.com/txp/iframe/player.html?vid=p0527hrc4iv&width=500&height=375&auto=0

~ 再过五天，就可以看到我们伪植物学家胖胖同志 ~