捋一下测序后生信分析内容及其常用软件

捋一下测序后生信分析内容及其常用软件

当我们测完序拿到原始数据之后，第一件事肯定是进行rawdata进行过滤。质控过滤软件如fastqc、multiQC、trimmomatic等。

得到基因组的clean reads后，无非两件事，一是denovo组装，构建参考序列；二是重测序，分析变异及后续基因表达定量、功能等下游分析。

1. 基因组组装

物种从头测序的黄金时代已经过去，该测完的、容易测的大多数已经测完了。

一个物种的基因组组装分析结果及其所用软件往往包含以下内容：

组装->注释->比较基因组分析->后面可能会加点功能分析或者搭建类似JBrowse基因组浏览器。

• 组装软件：SOAPdenovo，ALLPATH-LG等等；
• 注释软件：Fgenesh、GeneWise、Augustus、RepeatModel、RepeatMasker等等。

2. 基因组重测序

有了参考序列的情况下，将原始reads比对回基因组，即重测序分析，可以说现在的绝大部分生信分析都是针对重测序，只是应用到其他各个不同领域，我们也可以说，这就是后基因组时代。分析常常包括：

比对->变异检测（SNP、InDel、CNV、SV等）->群体分析（PI、LD、Fst等）->后续一些功能方面的分析。

• 比对：BWA、Bowtie2、SOAP、Samtools等。比对完生成sam/bam文件，有人说你对bam文件格式的熟悉程度就是你做重测序项目经验的体现。
• 变异检测：常用GATK来进行SNP、InDel等变异检测，这一步叫做call变异，最后生成一个vcf格式文件。再用vcftools/bcftools等软件过滤掉质量低的不可靠的变异位点。用SnpEff软件对变异位点进行注释，及这些变异对基因功能产生什么影响。

3. 转录组测序

以上测的是基因组序列，如果是转录组，也是分为有参考基因组和无参考基因组两种情况来分析。

（组装->）比对->表达量->差异->功能等分析。当然也会有一些RNA结构的分析，如可变剪接、融合基因等等。

• 如果是无参考基因组，需要denovo拼接。软件如Trinity组装得到转录本序列，然后用软件如bowtie2比对到转录本序列得到sam文件，根据比对结果用软件如RSEM进行表达定量分析。

• 如果有参考基因组，直接使用 HISAT2或STAR等软件将测序结果比对到基因组上，结合基因注释就可以计算出每个基因的表达。

后续就是差异基因分析，常用软件DESeq2和edgeR，最后最一些功能方面的分析。

其他如WES、CHIPseq、ATACseq、lncRNA、甲基化测序、scRNAseq等等其实都是类似的，区别就是前期的样本处理和建库流程不同，目的就是得到不同时空条件下的目标序列，然后再进行测序，当然使用的后处理软件也会有所不同。

Ref：https://www.zhihu.com/question/23566982/answer/131147960