用hisat2构建索引,并考虑转录本信息,需要先使用hisat2_extract_exons.py来处理.gtf文件,生成Hisat2可以使用的特定格式的文件。
相关步骤:
首先,确保已经安装了HISAT2
,并且hisat2_extract_exons.py
脚本在该PATH
中可用。
- 提取exon信息:使用
hisat2_extract_exons.py
脚本从.gtf
文件中提取exon信息,并生成HISAT2
能够使用的.exon
文件。
hisat2_extract_exons.py genome.gtf > genome.exon
这里genome.gtf
是输入注释文件,genome.exon
是输出文件。
- 提取splice位点信息:接下来,使用
hisat2_extract_splice_sites.py
脚本从.gtf
文件中提取splice位点信息,并生成.splice
文件。
hisat2_extract_splice_sites.py genome.gtf > genome.splice
这里genome.splice
是输出文件,包含了splice位点信息。
- 构建HISAT2索引:使用上面生成的
.exon
和.splice
文件来构建HISAT2
索引。
hisat2-build -p <线程数> --exon genome.exon --ss genome.splice genome.fa genome
在这里,<线程数>
是想要使用的线程数量,genome.fa
是参考基因组FASTA文件,genome
是输出索引的前缀。
请注意,--exon
和--ss
选项分别指定了exon和splice site信息文件。一旦索引构建完成,就可以使用HISAT2
进行RNA-Seq reads的比对。
如果有多个.gtf
文件(例如,来自不同转录本组装的结果),需要对每个.gtf
文件重复上述步骤,并将生成的.exon
和.splice
文件合并,然后使用合并后的文件来构建索引。合并文件可以使用简单的文本处理工具,如cat
:
cat exon_file1 exon_file2 ... > combined_exon
cat splice_file1 splice_file2 ... > combined_splice
然后使用合并后的文件构建索引:
hisat2-build -p <线程数> --exon combined_exon --ss combined_splice genome.fa genome
以上步骤我本人暂时未实际操作,有这个想法,先写在这。后面有需要我再进行实操。