转录组分析数据准备

转录组分析数据准备

在这之前，我们要明白，进行转录组分析，我们需要那些文件

1. 测序数据
2. 样本信息表
3. 基因组序列(genome.fasta)
4. 基因注释文件(genes.gtf)
5. 蛋白序列（proteins.fasta）
   其中，测序数据可以自己去公司测序，或在公开的资源网站进行下载。
   样本信息表，是自己根据测序数据进行编辑。至于基因组序列，基因注释文件和蛋白序列文件，则需要自己在网上下载，今天我们就介绍怎么样从ensembl上面下载这三组数据，选择ensembl的是因为它更新快，而且数据可靠。

数据的下载

首先，我们打开浏览器输入ensembl，进入它的官网

可以在search栏里面查找自己感兴趣的物种，或者直接点击用的比较多的人，小鼠或者斑马鱼的数据，我们就以人为例，来进行下载

基因组序列文件

我们先点击Genome assembly: GRCh38.p13下面的dowload sequence（这个时候，千万千万不要处于翻墙状态，不然会打不开ftp网址）

可以看到，这里面有许多基因组序列文件，而我们做转录组需要的是primary_assembly.fa.gz这个序列文件，直接右键复制链接地址，在linux下使用wget下载就行了

基因注释文件

返回刚刚的界面，点击Gene annotation里面的Download GTF

我们使用的是Homo_sapiens/GRCH38.99.gtf.gz
同样的我们复制下载链接，在linux里面用wget下载就行了
在这里我们需要注意的是，在有gtf和gff文件的时候，我们优先使用gtf文件，只有gff文件时，我们要把gff文件改成gtf文件

蛋白序列文件

还是返回刚才的界面，点击Download FASTA

进入之后，我们点击pep/文件夹，这个文件是存放蛋白序列的文件夹

然后我们用同样的方法下载Homo_sapiens/GRCH38.99.pep.all.fa.gz就行了

这样，我们做转录组分析所需要的数据就全部准备好啦。