富集全部表达基因

富集全部表达基因

目的

​ 偶然发现了某个基因很特别，所以想看看有没有其他的特别的基因。手上只有转录组的数据，之前做过差异基因的GO/KEGG分析，所以原理上不用差异基因，用全部基因也是可以做的，用的是无参的分析流程。

流程

• 原始数据的质量检测/过滤

  • 通过FastQC来查看数据质量，用Trimmomatics来过滤低质量的数据

• 由于是无参考基因组，所以利用Trinity来组装出contigs来代替gene

  Trinity --no_version_check --seqType fq --left ~/rna-seq/E-B/trim/E01/E01.fa_1P.gz --right ~/rna-seq/E-B/trim/E01/E01.fa_1P.gz  --CPU 30 --max_memory 100G --output E01_trinity &1>E01.log 2>E01.err
  

• 3个平行样，结果得到3个 trinity.fa文件，通过CD-HIT来去除相似序列. 先将3个trinity.fa 分别命名为E01.fa, E02.fa, E03.fa , cat 合并3个fa文件

  cat E01.fa E02.fa E03.fa > total.fasta
  

  再去冗余

  cd-hit-est -i total.fasta -o e_ref_cdhitest.fasta -c 0.95 -n 10 -d 0 -M 60000 -T 20   # cd-hit-est 是转录组的
  

  得到唯一的fasta文件 ， 查看组装状态

  trinityrnaseq-Trinity-v2.4.0/util/TrinityStats.pl e4_cdhit
  

  得到结果

  
  ################################
  
  ## Counts of transcripts, etc.
  
  ################################
  
  Total trinity 'genes':    179607
  
  Total trinity transcripts:    443047
  
  Percent GC: 60.20
  
  ########################################
  
  Stats based on ALL transcript contigs:
  
  ########################################
  
      Contig N10: 2746
      Contig N20: 2031
      Contig N30: 1610
      Contig N40: 1287
      Contig N50: 1001
      
      Median contig length: 363
      Average contig: 639.37
      Total assembled bases: 283270867
  
  #####################################################
  
  

Stats based on ONLY LONGEST ISOFORM per ‘GENE’:

#####################################################

  Contig N10: 3411
  Contig N20: 2498
  Contig N30: 1964
  Contig N40: 1562
  Contig N50: 1189

  Median contig length: 359
  Average contig: 677.70
  Total assembled bases: 121718922

* 通过[kobas](http://kobas.cbi.pku.edu.cn/) 上传**cd-hit**后的fasta文件并选择好物种就可以得到GO/KEGG富集的相关通路