linux质控命令,RNA-seq摸索：2.sra下载数据→fastqc质控→hisat2/bowtie2/STAR/salmon比对→Samtools格式转换→IGV可视化结果...

我觉得这个作者这样的分类特别清晰，值得学

new_workflow/

│ └── annotation/

│

│ └── genome/

│

│ └── input/

│

│ └── output/

│ ├── 1_initial_qc/

│ ├── 2_trimmed_output/

│ ├── 3_rRNA/

│ ├── aligned/

│ ├── filtered/

│ ├── logs/

│ ├── 4_aligned_sequences/

│ ├── aligned_bam/

│ ├── aligned_logs/

│ ├── 5_final_counts/

│ ├── 6_multiQC/

│

│ └── sortmerna_db/

│ ├── index/

│ ├── rRNA_databases/

│

│ └── star_index/

💥前半部分是我的血泪史！正文在中间开始！💥

这里都是坑，别学！！！！正确的在下一条分界线那里↓

1.1 在SRA数据库下载数据

其实序列就是文本文件(图片来源于网络)

1.2 转为fastq格式

fastq-dump *.sra

生成一个fastq文件

到这里才完全发现问题！！！！！😭😭😭

我的数据其实是有问题的！！！

我以为是单端测序(SE)，但是在NCBI上查询了一下原来是双端测序(PE)！！！

我选的是SRR3589959

所以就是重头来过！！！！🙃

▶所以这里才是正文的开始！！

1 原始数据下载

1.1 在SRA数据库下载数据

SRR_Acc_List.txt里面是要下载的SRR号

注意！！！！光标一定不能在有SRR号的那行，不然会跳过那行！！

cat SRR_Acc_List.txt | while read id; do (prefetch ${id} );done

下载好了

1.2 sra转成fastq (这里要注意不是这么写！！！！

因为是双端测序数据！！！

fastq-dump *.sra 绝对不能这么写！！！！

应该加这个参数 --split-files

fastq-dump --split-files *.sra

💥💥💥这里我会把.sra后缀的文件都移到一个新文件夹sra里，然后cd到sra文件夹里转fastq↓

cp ./SRR*/.sra ./sra

fastq-dump --split-files *.sra

如果需要压缩，可以加--gzip，就会生成.fastq.gz文件，解压缩用gunzip

--split-files的意义