零基础入门转录组分析——第二章（数据的准备）

零基础入门转录组分析——第二章（数据的准备）

---

---

（我这里使用的虚拟机是vmwarewokstation，版本16.0.0， linux系统是ubantu64位，版本20.04.3）

本文选用的是模式生物——C57BL/6J小鼠，小鼠的基因组研究已经比较透彻，因此本文的转录组分析又被称为有参转录组

转录组数据主要由三个成分组成：原始数据，参考基因组以及参考基因组的注释信息

1. 准备原始数据

原始数据一般是送样给公司检测后得到XXX.fq.gz文件，如图所示（Windows界面）：

并且我这里是双端测序在.fq.gz前面还会有1/2的数字标识（原始数据的命名方式根公司有关，不同的公司命名不同，后期可以自己修改命名）。

如下图是修改命名后的文件（Windows界面）：红线以上是药物处理组6个样本，红线以下是对照组6个样本

现在我们已经有了修改命名后的原始数据，需要将这些文件复制到linux系统中供后续分析使用，接下来打开linux操作系统，我们可以看到桌面下什么文件夹都没有。

打开终端，通过cd Desktop/指令，切换到桌面目录下（如下图所示）：

输入指令：mkdir 00_raw_data和mkdir 01_ref创建两个文件夹
（1）raw_data文件夹用来存放原始数据
（2）ref文件夹用来存放参考基因组。

关闭终端，这时我们就能看到桌面下多了两个新的文件夹。

之后双击中打开00_raw_data文件夹，直接将windows系统里的原始文件拖拽到00_raw_data文件夹中

这样，原始数据就准备好了！

2. 准备参考基因组

这里我们选用Ensembl数据库
Ensembl数据库链接地址：ftp://ftp.ensembl.org/pub，打开网址后，我们可以看到一大堆英文命名的文件夹，对应每个物种的英文名，我们用的是C57BL/6J，对应的英文名是：Mus musculus，因此往下找到名为**mus_musculus/**的文件夹。

点开文件夹后，接下来我们打开dna文件夹

这个文件夹里会存放C57BL/6J小鼠每条染色体参考基因组，以及所有染色体汇总的参考基因组文件。

这里我们选择所有染色体汇总的参考基因组，如图所示：

文件下载方式：
（1）鼠标左键点击一下这个蓝色的链接就能获取下载（这种下载方式会下载到windows本地存储中）。
（2）另一种下载方式是右键点击蓝色链接后有一个复制链接地址，复制到转到linux终端中输入：wget 复制的链接可直接下载到Linux中。

如果是第一种下载方式，跟准备原始数据一样，直接拖拽到Linux桌面下创建的01_ref文件夹中即可。
如果选择第二种下载方式，最好先切换到01_ref文件夹路径下再输入wget指令。如图所示：

3. 准备参考基因组注释文件

这里我们还是选用Ensembl数据库
打开网址后，我们先回退到上级目录

在上级目录中，我们重点关注两个文件夹，一个是fasta文件夹，这个就是刚才下载参考基因组的文件夹，另外一个就是gtf文件夹，这里存放着物种参考基因组注释文件，我们点击图中gtf文件夹。

点开后摁ctrl+f搜索mus_musculus/即可找到C57小鼠的参考基因组注释文件夹，点开文件夹后我们可以看到有5个文件，第四个文件就是我们所需要的参考基因组注释文件。

文件下载方式依然是两种：
（1）直接下载到本地，下载到本地的也需要拖拽到linux中01_ref文件夹下。
（2）在linux系统中切换到01_ref目录下用wget指令下载。

上述就是数据准备的所有过程，有了这些文件，后续操作就可以顺利进行了！

**后续内容会逐渐更新，欢迎关注，如果觉得本教程对你有所帮助，多多点赞加关注昂，我们下期再见！！！**