NAR：psRobot-植物小RNA分析系统

最新推荐文章于 2022-05-19 15:16:10 发布
最新推荐文章于 2022-05-19 15:16:10 发布
阅读量967 收藏 3
点赞数
原文链接：https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA#rd
版权


简介

官网：http://omicslab.genetics.ac.cn/psRobot/

PsRobot是中科院遗传发育所王秀杰组的作品，主要实现小RNA的mapping，miRNAs前体和成熟体的预测、降解组分析等功能。发布不到5年，截止18年11月18日，Google scholar统计引用140次(不乏Nature, Sicence文章)，psRobot网站统计访问量538694，独立IP数17079，执行分析任务336107次。

注：论文的一作吴华君博士目前在哈佛做博后，完成本软件的本地版编程；共同一作马英克博士负责本软件的webserver开发及维护，目前就职于基因组所组学原始数据库系统(GSA，最新发表博文NGS基础 - 参考基因组和基因注释文件)；三作正是生信宝典创始人陈同博士，负责本软件的本地版部署；当年我参与了软件的测试工作，文末致谢部分有我的名字。

功能概述

本程序主要分为在线版和本地版，但功能不完全相同，即适合生物学家在线分析，又适合生信专家本地大规模分析。

在线版主要功能

  1. 小RNAs前体预测：基于测序的small RNA和参考基因组，预测新的miRNAs； http://omicslab.genetics.ac.cn/psRobot/stemloop_1.php


  2. 小RNAs靶位点预测：基于新发现或已经发表的小RNAs，预测指定物种转录本中的靶位点。 http://omicslab.genetics.ac.cn/psRobot/target_prediction_1.php

网页操作方法极简便，只需上传或输入需要分析的小RNAs或mRNA序列，选择对应物种即可，使用方法不再赘述。第一次使用点网页中的Demo看测试数据格式及输出结果，快速上手。

本地版主要功能

本地版主要分为四个功能模块：

  1. psRobot_map：将miRNAs mapping到参考基因组；采用C语言编写，虽然不支持错配，但对于small RNA应该足够了。

  2. psRobot_mir：基于测序的small RNA和参考基因组，预测新的miRNAs；

  3. psRobot_tar：预测小RNAs在转录本中的靶位点。

  4. psRobot_deg：降解组分析，对预测靶位点的进一步实验验证。

近几年发表的小麦的Nature，Sciences文章中small RNA分析部分均采用此软件。而且此软件，也被很多生信大公司采用作为标准分析方法，如华大基因、诺禾致源、易汉博等。

使用方法

最新帮助文档下载 http://omicslab.genetics.ac.cn/psRobot/program/WebServer/psRobot_manual_v1.2.pdf

本文以介绍本地版的安装和使用为主，软件我这个月还用过，安装使用请以本文为准，新于官方文档。
本文主要详解本地版的使用实例，并且以比较复杂的大麦为例，采用前3个模块进行序列比对、预测新的miRNAs和靶位点的预测。

安装在Ubuntu 16.04上

# 依赖软件mfold3.6安装
wget http://unafold.rna.albany.edu/download/mfold-3.6.tar.gz
tar xvzf mfold-3.6.tar.gz 
cd mfold-3.6/
./configure
make
sudo make install
nafold # it work

# PsRobot软件 安装
wget http://omicslab.genetics.ac.cn/psRobot/program/WebServer/psRobot_v1.2.tar.gz
tar xvzf psRobot_v1.2.tar.gz
cd ../psRobot_v1.2
sudo ./configure
make
sudo make install
source /mnt/bai/public/.bashrc

安装问题参考 Linux学习 - 命令运行监测和软件安装 Linux学习-环境变量和可执行属性

原始数据格式转换和mapping

# 干净的sRNA fastq文件转换为软件要求格式
zless seq/sample.fq.gz | grep '^[AGCT]' | sort --parallel=8 | uniq -c | sed 's/ *//' | awk '{print $2"\t"$1}' > seq/sample.sRNA
# 多样品合并、按RPM丰度和长度选择，需要此步脚本分享教程至朋友圈并联系微信yongxinliu索要
sRNA_merge.pl -i 'seq/*.sRNA' -o temp/merge.sRNA -r 1 -s 18 -l 26
# 转换sRNA序列为fasta格式
awk '{print ">"NR"_"$$2"\n"$$1}' temp/merge.sRNA > temp/merge.fa
# fasta格式转换为psRobot要求格式
awk '{print NR"_"$2,$1}' temp/merge.sRNA > temp/merge.psmap # format sRNA to psmap
# 比对序列至参考基因组
psRobot_map temp/merge.psmap barley.fa temp/merge.psmaping

新miRNAs的预测

# 一定要新建目录，会生成很多文件
mkdir -p psRobot
cd psRobot
# 基于所有样品sRNA和基因组预测新miRNA，运行时间长，建议后台运行
nohup psRobot_mir -s ../temp/merge.sRNA -g ../barley.fa &bg

结果会有3个文件，如下：

  1. Final_PreDict_miRNA_samp.StarInfo
    包括预测的miRNAs基本信息

    # 1ID_LociNumber_LociOrder_Length_Count   2miRNAs  3No.miRNA.cluster    4miRNA*  5miRNA*Seq   6PrecursorLocation   7Precursor   
Sr15842_1_1_21_419      TAAGATTTGTAGGTGATTGGG   1       -       -       bgh_dh14_v3.0_supercontig_005464:163257:163389:+        gatttttcgatTAAGATTTGTAGGTGATTGGGtgtatgcttgcgttatgtctctaagccagagtgaatttccataaatttcaaaaagtgtgagggctagagcaacaattagtcgctgcgaagctcgttgtatt
Sr47712_3_1_22_3075394  TGAAGCTGCCAGCATGATCTGA  2       Sr47287_2_1_21_1485     aggtcatgtggcagcttcatt   chr4H:590940935:590941057:-     ccgcaagtagaTGAAGCTGCCAGCATGATCTGAaagctatgctgcatgtcgatctcgatggtcgtctccatccagattcaagagcatggccggcaatcaggtcatgtggcagcttcattttct

  2. Final_PreDict_miRNA.Struc
    包括预测的二级结构信息，如Sr20904_5_3_22_1342||91||10为样品ID，后位有数字为其上或下游碱基的数量，即其在前体中的位置；-24.10为折叠自由能；下面的为二级结构图。

Sequence     1 Structure    1
Folding bases      1 to    123 of Sr20904_5_3_22_1342||91||10         
dG =    -24.10
        10        20        30         40          50        60       
aaattggattaagaagatt   t     c      -   a   - -|  t   tta   ac  cattaa 
                   gtc gttgc atttct cgt tgt c tcc gct   act  ct      \
                   cgg TAACG TAAGGA GCG ACA g agg tga   tga  ga      a
aaaggtt------------   T     A      T   G   T a^  c   cc-   aa  cctaac 
 120                   110       100        90         80        70

3. Final_PreDict_miRNA.Reads

有每个miRNAs区详细的mapping结果。

>Sr30070_6_1_19_4858 chr1H|13342638|13342720|+
cggcagctgcgCTCGGCGGGGCAGCGTGCAgagggacttcgtccggcgcgctcctccgtcgagcgtggctccggtgacgcgtt     8820

***********CTCGGCGGGGCAGCGTGCA*****************************************************     6 19 4858
-----------CTCGGCGGGGCAGCGTGCA-----------------------------------------------------     6 19 4858
-----------CTCGGCGGGGCAGCGTGCAG----------------------------------------------------     6 20 577
-----------CTCGGCGGGGCAGCGTGCAGA---------------------------------------------------     6 21 600
------------TCGGCGGGGCAGCGTGCA-----------------------------------------------------     6 18 1450
------------TCGGCGGGGCAGCGTGCAGAG--------------------------------------------------     6 21 1335

miRNAs靶基因的预测

此步需要fasta格式的miRNAs序列，可以是miRBase上发表已知的，也可以是上面预测的。本文以上面预测的miRNAs为例，靶基因库为物种的cDNA序列。

cd ..

# 筛选新miRNAs
cut -f 2 Final_PreDict_miRNA_samp.StarInfo|sort|uniq| awk '{print ">"NR"\n"$0'} > predict_miRNA.fa

# 进行靶位点预测
nohup psRobot_tar -s predict_miRNA.fa -t temp/barely_cdna.fa -o temp/merge_miRNA_barely.gTP -p 20 &bg

输入miRNAs和cDNA，输出gTP文件可less查看，支持多线程，运行时间长，建议后台运行。结果示例如下：

>6429_311       Score: 2.5      HORVU1Hr1G055350.18 cdna chromosome:Hv_IBSC_PGSB_v2:chr1H:405769196:405773487:-1 gene:HORVU1Hr1G055350 gene_biotype:protein_coding transcript_biotype:protein_coding

Query:          1 ACTAATGACGCATTTGTAGATGGT 24
                  ||||||||||||::|:||**||||
Sbjct:       3095 TGATTACTGCGTGGATATAGACCA 3072

降解组数据分析

最近没做这方面的分析，需要使用的看帮助文档就行了，写的已经非常详细了。

Reference

  1. [Wu HJ, Ma YK, Chen T, Wang M, Wang XJ. (2012) PsRobot: a web-based plant small RNA meta-analysis toolbox. Nucleic Acids Res. DOI:10.1093/nar/gks554.] (http://nar.oxfordjournals.org/content/40/W1/W22)

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外2400+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读

刘永鑫Adam
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【降解组分析】利用CleaveLand4进行降解组分析
weixin_43840576的博客
02-23 1255
降解组分析流程CleaveLand4软件安装CleaveLand4软件使用CleaveLand4例子 降解组的分析，目前主流的软件为CleaveLand4，他可以通过测序数据来寻找miRNA与基因的剪切位点，从而验证miRNA靶基因的准确性。 CleaveLand4软件安装 该软件安装非常简单，网址在这，我们只需通过git clone即可对其进行下载。 git clone https://github.com/MikeAxtell/CleaveLand4.git 该软件依赖多个软件，我们需要提前
nar-maven-plugin:适用于Maven的本机ARchive插件
05-13
适用于Maven的NAR插件使您可以在多种不同的体系结构（Linux，Windows，MacOSX，Solaris，FreeBSD等）和多种不同的编译器/链接器（g ++）上编译本机代码（C ++，C和Fortran）。 ，Microsoft Visual C ++，CC等），生成的输出包装在本机ARchive文件（.nar）中，其中一些与机器无关（-noarch），而其他则与机器有关，因此取决于机器体系结构的组合（A），操作系统（O）和链接器（L）标识为AOL。 可以使用标准maven-install-plugin和maven-deploy-plugin这些nar文件安装在本地Maven存储库中，并部署到标准Maven（Web）服务器中。 用法 在您的POM中： < build> < plugins> < plugin> < groupId>com.github.ma
生信概念整理
鹏鹏的博客
10-29 9075
1、组成碱基对的碱基包括A—腺嘌呤、G—鸟嘌呤(Guanine)、T—胸腺嘧啶(DNA专有)、C—胞嘧啶(Cytosine)、U—尿嘧啶(RNA专有)。严格地说，碱基对是一对相互匹配（碱基互补配对原则）的碱基（即A—T， G—C，A—U相互作用）被氢键连接起来。 2、腺嘌呤与胸腺嘧啶之间有两个氢键，鸟嘌呤与胞嘧啶之间有三个氢键，即A=T,G≡C。 3、核苷酸序列，就是指DNA或RNA中碱基的排列顺...
TCGA免疫浸润_TCGA_perl脚本tcga_mRNA_merge.pl_perl整理tcga_
10-02
好用就完了
CleaveLand--降解组测序数据分析
little^raccoon
11-09 3131
需要准备的数据： 降解组测序数据QC后整理为redundant fasta格式 转录本数据，fasta格式 miRNA序列，fasta格式 查看帮助文档 CleaveLand4.pl --help readscount转为fasta格式(redundent reads) 从NCBI下载的测序数据很多是去过接头的，并且整理成readscount格式，即每行第一列为reads，第二列为read...
psRobot：植物小RNA分析系统
刘永鑫的博客——宏基因组公众号
08-13 5269
psRobot：植物小RNA分析系统简介官网：http://omicslab.genetics.ac.cn/psRobot/PsRobot是中科院遗传发育所王秀杰组的作品，主要实现小RNA的mapping，miRNAs前体和成熟体的预测、降解组分析等功能。发布不到5年，截止17年7月25日，Google scholar统计引用91次(不乏Nature, Sicence文章)，psRobot网站统计访
「miRNA系列」植物如何进行miRNA靶基因预测
xuzhougeng blog
01-16 2822
本科时便接触过miRNA，那个时候还查过一些关于miRNA相关的内容，准备在一个学习小组中讲讲，可惜的是，当时的自己也没有搞懂。而最近一次的miRNA-seq数据分析，终于让自己对它有一些理解。 miRNA的长度一般在20~24 nt 之间，通过调节下游靶基因来调控生物的发育，抗逆等。 2002年的一篇Cell中指出[1]，动物的miRNA和mRNA并没有非常严格的碱基配对，因...
hello-nar:一个节点二进制
05-30
试试看： npm run-script -- nar create --executable ./hello-nar-* 请注意，启动时间并不长——在新 MacBook 上为 3 秒。 所以它不是对 Jars 的真正改进，除了用户不需要 JVM。
gulp-nar:从 Gulp 创建和提取 nar 档案
06-28
gulp- 从创建和提取档案安装安装任务$ npm install gulp-nar --save-dev用法 var gulp = require ( 'gulp' )var nar = require ( 'gulp-nar' )gulp . task ( 'create' , function ( ) { gulp . src ( 'package.json'...
UI_include_merge_ViewStub
06-02
http://blog.csdn.net/i_do_can/article/details/51567913
Icecream_PDF_Split_Merge(分割合并PDF).zip
03-17
绝对好用pdf合并拆分小工具
szyfr-cezara:Zadanie-Szyfr Cezara
03-15
MożnarównieżlosowaćsłowapobranežAPI orazlosowaćwartośćprzesunięciabezpośrednioW¯¯aplikacji。 常见问题和解答，请访问以下网址：http：//www.stronapokliknięciu.com/zh/zh-cn/szyfruje-słowo...
nar-maven-plugin, Maven的本地存档插件.zip
09-19
nar-maven-plugin, Maven的本地存档插件 windows上提供一个NAR编译器，它可以在许多不同的体系结构( 。Linux，Windows，AOL，Solaris，FreeBSD，。) 编译本机代码( C ，C 和 Fortran )，并使用许多不同的编译器/连接...
利用TCGA癌症基因进行差异分析
tqptr_opqww的博客
05-19 7350
TCGA癌症基因差异分析步骤 文章目录TCGA癌症基因差异分析步骤1. 数据库下载2. 将分散的文件转化为矩阵3. 将矩阵id转化为基因名4. 进行差异表达分析 1. 数据库下载 进入TCGA数据库官网，根据自己的需求下载各种癌症的数据库，全部勾选好对应的需求之后，下载解释文件（manifest），基因表达量文件（cart），临床数据（clinical），生物多样性数据（biospecimen），样品对应文件（metadata，tcga的id和病人id对应的文件） 最终下载的文件如上图所示。 2. 将分散
robot自己总结使用技巧（实用）
murphy_ma的专栏
11-14 2036
1.使用结构体属性 以上使用robotframework  跟使用py方法的效果一样，如果地下调用关键字中需要使用到以上的变量可以直接使用 2.内置关键字包含的使用方法（类似于assertIn） 3.RobotFramework的Setup或Teardowm中执行多个关键字 http://cgmblog.sinaapp.com/html/3
植物科学常用数据库和生物信息学工具2020
热门推荐
qq_44520665的博客
01-14 1万+
转载于公众号:Mol Plant植物科学 通用数据库 http://bigd.big.ac.cn/databasecommons/ 国家基因库下属数据库，涵盖各种生物的全面公开可用的数据信息 https://www.ncbi.nlm.nih.gov/ 美国国家生物技术信息中心的生物医学和基因组信息门户网站 https://www.oxfordjournals.org/nar/database/cat/13 牛津大学出版社提供的植物科学相关数据库的汇总网站 http://abc.gao-lab.org/ind
robot中使用数据库
WJ494224911的专栏
05-31 454
因为目前要测试的数据库都是MySQL，所以需要安装RF的相应library 命令行分别输入以下命令，回车即可   pip install PyMySQL   pip install robotframework-databaselibrary 1.databaselibrary  乱码加入charset='utf8' Connect To Databa
tcga数据下载_TCGA数据挖掘（二）：数据下载与整理
weixin_39850167的博客
11-19 3651
关于TCGA数据库中的数据下载，我们之前有介绍过R语言下载包：R语言TCGA-Assembler包下载TCGA数据，同时在介绍数据库的使用教程中也介绍了在线下载以及官方下载工具下载：TCGA数据库使用教程。在线下载以及官方下载工具下载的数据是分开的，每个样本的数据的独立的，需要自己合并，这需要会R，Python 或者 perl 等编程语言（文末补充内容介绍）。这里我们先介绍TCGAbiolinks...
基于Nar的时间序列预测模型的可行性分析
最新发布
05-20
在进行NAR模型的可行性分析时，需要考虑以下几个方面： 1. 数据的稳定性和平稳性：NAR模型需要的是平稳的时间序列数据，因此需要对数据进行平稳化处理。如果数据本身不平稳，则需要进行差分或者其他平稳化处理，以...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值