任務列表
- 1.在UCSC下載hg19參考基因組；
- 2.從gencode數據庫下載基因注釋文件，並且用IGV去查看感興趣的基因的結構，比如TP53，KRAS，EGFR等等。
- 3.截圖幾個基因的IGV可視化結構
- 4.下載ENSEMBL，NCBI的gtf，也導入IGV看看，截圖基因結構
- 5.了解IGV常識
在UCSC下載hg19參考基因組
hg19、GRCH38、 ensembl75這3種基因組版本應該是大家見得比較多的了，國際通用的人類參考基因組，其實他們儲存的是同樣的fasta序列，只是分別對應着三種國際生物信息學數據庫資源收集存儲單位，即NCBI，UCSC及ENSEMBL各自發布的基因組信息而已。有一些參考基因組比較小眾，存儲的序列也不一樣，比如BGI做的炎黃基因組，還有DNA雙螺旋結構提出者沃森（Watson）的基因組，還有2016年發表在nature上面的號稱最完善的韓國人做的基因組。前期我們先不考慮這些小眾基因組，主要就下載hg19和hg38，都是UCSC提供的，雖然hg38相比hg19來說，做了很多改進，優點也不少，但因為目前為止很多注釋信息都是針對於hg19的坐標系統來的，我們就都下載了，正好自己探究一下。也順便下載一個小鼠的最新版參考基因組吧，反正比對也就是睡個覺的功夫，順便分析一下結果，看看比對率是不是很低。
mkdir rna_seq/data/reference && cd rna_seq/data/reference mkdir -p genome/hg19 && cd genome/hg19 # nohup wget http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz & # nohup 是永久執行，& 是指在后台運行。nohup COMMAND & 這樣就能使命令永久的在后台執行 nohup axel http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz & tar zvfx chromFa.tar.gz cat *.fa > hg19.fa rm chr*.fa
從gencode數據庫下載基因注釋文件，並且用IGV去查看感興趣的基因的結構
下載基因注釋文件
官網：http://www.gencodegenes.org/releases/26lift37.html
wget ftp://ftp.sanger.ac.uk/pub/gencode/Gencode_human/release_26/GRCh37_mapping/gencode.v26lift37.annotation.gtf.gz gzip -d gencode.v26lift37.annotation.gtf.gz
下載安裝IGV、BEDtool
官網：http://software.broadinstitute.org/software/igv/download（下載 Binary Distribution 版本）
wget https://github.com/arq5x/bedtools2/releases/download/v2.26.0/bedtools-2.26.0.tar.gz tar -zxvf bedtools-2.26.0.tar.gz cd bedtools2 make
截圖幾個基因的IGV可視化結構
批量截圖：TP53,KRAS,EGFR
grep -w 'gene' gencode.v26lift37.annotation.gtf | grep -w 'TP53' | cut -f 1,4,5 >> gene.bed grep -w 'gene' gencode.v26lift37.annotation.gtf | grep -w 'KRAS' | cut -f 1,4,5 >> gene.bed grep -w 'gene' gencode.v26lift37.annotation.gtf | grep -w 'EGFR' | cut -f 1,4,5 >> gene.bed ~/biosoft/bedtools2/bin/bedtools igv -i gene.bed > Bach_sanpshot.txt
grep是一個多用途的文本搜索工具，linux中使用非常頻繁，並且使用很靈活，可以是變量，也可以是字符串。最基本的用法有以下兩種：
- 1.搜索內容中無空格，可以直接執行grep命令，比如：grep pass a.txt，表示在a.txt文件中搜索pass所在的行
- 2.如果搜索內容中有空格，則需要使用單引號或者雙引號把搜索內容引起來，比如：grep "hello all" a.txt或者grep 'hello all' a.txt，如果不加單雙引號，則提示錯誤，無法識別，因為不加引號，直接grep hello all a.txt，表示在all和a.txt中搜索hello，這肯定是不對的
grep -w option file：精確搜索，可以說准確性搜索，比如：grep -w b* a.txt：此命令執行時，*不會默認為任何字符，只表示字面意思，就是一個*字符
管道命令操作符：”|”，它僅能處理經由前面一個指令傳出的正確輸出信息，也就是 standard output 的信息，對於 stdandard error 信息沒有直接處理能力。然后，傳遞給下一個命令，作為標准的輸入 standard input
cut 命令從文件的每一行剪切字節、字符和字段並將這些字節、字符和字段寫至標准輸出。如果不指定 File 參數，cut 命令將讀取標准輸入。必須指定 -b、-c 或 -f 標志之一。使用 -f 選項提取指定字段
下載ENSEMBL，NCBI的gtf
axel ftp://ftp.ensembl.org/pub/grch37/release-89/gtf/homo_sapiens/Homo_sapiens.GRCh37.87.gtf.gz axel ftp://ftp.ensembl.org/pub/grch37/release-89/gtf/homo_sapiens/Homo_sapiens.GRCh37.87.chr.gtf.gz
axel ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/ANNOTATION_RELEASE.105/GFF/ref_GRCh37.p13_top_level.gff3.gz axel ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/ANNOTATION_RELEASE.105/GFF/ref_GRCh37.p13_scaffolds.gff3.gz