RNA-seq流程学习笔记（16）-Linux系统下完整流程代码

1.完整流程所用软件

• 质控：FastQC软件
• 比对：HISAT2软件
• 格式转换、排序：SAMtools软件
• 转录本拼接和定量：StringTie
• 差异基因分析：DESeq2

2. 关于准备工作

1. 针对每个人的数据，建立如下几个目录：

• raw目录：存放测序公司反馈回来的原始数据，如fq.gz文件；
• fastqc_report目录：存放FastQC软件分析的报告结果；
• aligned目录：包含sam目录、bam目录、bam.sort目录、bam.index目录、count目录、ballgown目录 ，分别存放处理后不同步骤的文件；
• scripts_log目录：存放该组数据分析过程中的各个脚本信息及运行日志；

2. 本流程中均采用zhaoxiujuan为默认用户，如果新建用户，将所有流程中zhaoxiujuan替换为新用户即可；
3. 样品编号为A、B、C、D，实际操作时需要将其替换；
4. 在本地电脑G盘新建zhaoxiujuan目录，包含count目录和Rtreatment目录，将处理后的count文件下载至该目录中，继续后续R中的处理工作；

3. md5sum检查数据完整性流程代码

#查看公司提供的md5.txt文件
cat md5.txt
13e2fb196b170866035c93a8534bf701  raw/m3108_1.fq.gz
3f516ba98070b038e4e44324e0d7894d  raw/m3108_2.fq.gz
d53cc1cf701cf72d958bb190deb0a094  raw/m3110_1.fq.gz
eb00833c8aa528ce592202990a296b2f  raw/m3110_2.fq.gz

#将相关数据的指纹验证数据重新写入check_md5sum.txt文件
echo "13e2fb196b170866035c93a8534bf701  raw/m3108_1.fq.gz
3f516ba98070b038e4e44324e0d7894d  raw/m3108_2.fq.gz
d53cc1cf701cf72d958bb190deb0a094  raw/m3110_1.fq.gz
eb00833c8aa528ce592202990a296b2f  raw/m3110_2.fq.gz"
> check_md5sum.txt

#检测数据是否一致
md5sum -c check_md5sum.txt

4.FastQC流程代码

#! /bin/bash
#上面一行宣告这个script的语法使用bash语法，当程序被执行时，能够载入bash的相关环境配置文件。
# Program:
#       This program is used for analysis of RNA-seq data by FastQC. 
#History:
# 2020/06/19         zexing              First release
#fastqc命令为质控命令
#Usage: fastqc [-o output dir] [--(no)extract] [-f fastq|bam|sam] [-c contaminant file] seqfile1 .. seqfileN
#简写代码：fastqc -t 8 -o <out-dir> seqfile1
#调用程序fastqc，参数-t设置线程数为8，参数-o设置结果输出的目录，参数-c可以加入污染物选项（