SOAPfuse中怎么實現融合基因操作

今天就跟大家聊聊有關SOAPfuse中怎么實現融合基因操作，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

1. reference database

和其他軟件類似，SOAPfuse也需要建立物種對應的數據庫，在軟件安裝的source目錄下，提供了建立數據庫的腳本，用法如下

perl SOAPfuse-S00-Generate_SOAPfuse_database.pl \
-wg  hg19.fa \
-gtf Homo_sapiens.GRCh47.85.chr.gtf \
-cbd cytoBand.txt.gz \
-gf HGNC_Gene_Family.tsv \
-sd /software/SOAPfuse-v1.27 \
-dd /database/hg19 \
-rft chr.gtp

wg參數代表基因組的fasta文件，gtf參數代表gtf文件，cbd代表從UCSC下載的cytoband文件，gf代表從HGNC下載的基因信息，sd代表軟件的安裝目錄，rft代表gtf文件中的染色體名稱和fasta文件中的染色體名稱的對應關系。
對于需要從數據庫下載的文件，在該腳本的幫助信息中給出了非常詳盡的提示, 這里就不贅述，對于rft文件，內容為\t分隔的兩列，示例如下

1    chr1
2    chr2

第一列代表gtf文件中的染色體編號，第二列代表fasta文件中的染色體編號。

2. sample list

SOAPfuse通過sample.list文件讀取樣本信息，該文件內容如下

\t分隔的4列，第一列代表樣本名稱，第二列代表為lane ID，第三列代表run ID, 第四列代表讀長。之所以每個樣本需要提供lane ID和run ID, 是出于測序時一個樣本會有多條lane的考慮，對于多條lane的數據，因為屬于同一個樣本，所以需要合并起來。

在實際分析時，我們只有每個樣本對應的R1和R2端數據，所以lane ID和run ID自己隨便定義就好了，下面是一個實際的例子，共6例樣本

A1 Lib-A1 Run-A1 150
A2 Lib-A2 Run-A2 150
A3 Lib-A3 Run-A3 150
B1 Lib-B1 Run-B1 150
B2 Lib-B2 Run-B2 150
B3 Lib-B3 Run-B3 150

3. sample sequence directory

sample.list中只提供了樣本的名稱等信息，在分析時肯定需要知道每個樣本對應的測序數據的路徑。在SOAPfuse中，通過一個固定的目錄結構來實現，示意如下

所有的樣本的測序數據位于一個總的目錄下，稱之為WHOLE_SEQ-DATA_DIR，在該目錄下，每個樣本是一個子目錄，名稱必須和sample.list文件中的樣本名一致；在每個樣本的目錄下，是每個lane ID對應的目錄;在lane ID的目錄下，就是樣本的原始數據，以run ID作為前綴。

對于樣本的測序數據，要求是gzip壓縮的格式，支持fasta和fastq兩種格式；文件名稱要求以對應的run ID開頭，雙端數據用_1, _2區分，后綴的話只需要所有樣本統一即可，具體的后綴可以在配置文件中設置。

4. config

在軟件安裝的config目錄下，有一個名為config.txt的模板配置文件，我們需要對其進行修改，主要修改以下幾個內容

DB_db_dir = /software/SOAPfuse-v1.27/db/
PG_pg_dir = /software/SOAPfuse-v1.27/source/bin
PS_ps_dir = /software/SOAPfuse-v1.27/source
PA_all_fq_postfix = fq.gz

DB_db_dir代表第一步建好的數據庫的目錄，后面兩個選項只需要替換成soapfuse實際的安裝目錄就行了，PA_all_fq_postfix代表測序原始數據文件名的后綴，默認是fq.gz。

以上四點內容都準備好之后，就可以進行分析了，代碼如下

perl SOAPfuse-RUN.pl \
-c config.txt \
-fd raw_data \
-l sample.list \
-o out_dir

-c指定配置文件，-fd指定測序數據存放的目錄，-l指定樣本的sample.list文件，-o指定結果的輸出目錄。

看完上述內容，你們對SOAPfuse中怎么實現融合基因操作有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。