5.基因组索引文件创建—STAR

1.脚本

#!/bin/bash
#使用star软件创建人类hg38基因组索引

fa_dir="/home/shenqingsong/project/RNA-Seq/reference/hg38/hg38.fa"
gtf_dir="/home/shenqingsong/project/RNA-Seq/reference/hg38/Homo_sapiens.GRCh38.105.chr.gtf"
mkdir -p "/home/shenqingsong/project/RNA-Seq/reference/index/star/hg38"

STAR --runMode genomeGenerate \
     --runThreadN 4 \
     --genomeDir "/home/shenqingsong/project/RNA-Seq/reference/index/star/hg38" \
     --genomeFastaFiles $fa_dir \
     --sjdbGTFfile $gtf_dir \
     --sjdbGTFchrPrefix "chr" \
     --sjdbOverhang 149

 

2.参数说明

--runMode：　　运行程序模式，默认是比对，所以第一步这个参数设置很关键
--runThreadN：　　运行的线程数，根据你自己电脑的配置来设置，数字越大运行越快
--genomeDir：　　这个参数很重要，是存放你生成index的文件路径，需要你事先建立一个有可读写权限的文件夹
--genomeFastaFiles 　　基因组fasta格式文件路径
--sjdbGTFfile 　　GTF注释文件路径
--sjdbOverhang 　　这个值为你测序read的长度减1，是在注释可变剪切序列的时候使用的最大长度值
--sjdbGTFchrPrefix                        -
    string: prefix for chromosome names in a GTF file (e.g. 'chr' for using ENSMEBL annotations with UCSC genomes)，即当下载的fa文件和GTF文件在染色体命名上有区别时，添加【UCSC以“chr”命名，然而ENSEMBL直接用数字命名】

 

3.注意事项

　网上有评论说明STAR建立索引文件十分占用系统资源，利用slurm集群运算时可通过调整向系统寻求的资源数量避免该问题