5.基因組索引文件創建—STAR

1.腳本

#!/bin/bash
#使用star軟件創建人類hg38基因組索引

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

 

2.參數說明

--runMode：　　運行程序模式，默認是比對，所以第一步這個參數設置很關鍵
--runThreadN：　　運行的線程數，根據你自己電腦的配置來設置，數字越大運行越快
--genomeDir：　　這個參數很重要，是存放你生成index的文件路徑，需要你事先建立一個有可讀寫權限的文件夾
--genomeFastaFiles 　　基因組fasta格式文件路徑
--sjdbGTFfile 　　GTF注釋文件路徑
--sjdbOverhang 　　這個值為你測序read的長度減1，是在注釋可變剪切序列的時候使用的最大長度值
--sjdbGTFchrPrefix                        -
    string: prefix for chromosome names in a GTF file (e.g. 'chr' for using ENSMEBL annotations with UCSC genomes)，即當下載的fa文件和GTF文件在染色體命名上有區別時，添加【UCSC以“chr”命名，然而ENSEMBL直接用數字命名】

 

3.注意事項

　網上有評論說明STAR建立索引文件十分占用系統資源，利用slurm集群運算時可通過調整向系統尋求的資源數量避免該問題