下载参考序列

生信喵

背景
       RNAseq 分析需要的数据主要包括参考序列与 GTF 文件，参考序列可以从 NCBI，ENSEMBL，UCSC 等网站下载，GTF 文件可以从 ENSEMBL 与 UCSC 网站下载。


一、ENSEMBL 网站下载
       EMBL：https://asia.ensembl.org/index.html

1. wget http://ftp.ensembl.org/pub/release-107/fasta/homo_sapiens/dna/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz
   
2. wget http://ftp.ensembl.org/pub/release-107/gtf/homo_sapiens/Homo_sapiens.GRCh38.107.gtf.gz

复制代码

二、UCSC 下载

1. #UCSC hg19
   
2. wget https://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/hg19.fa.gz
   
3. #UCSC hg38
   
4. wget https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz
   
5. #GTF下载
   
6. http://www.genome.ucsc.edu/cgi-bin/hgTables

复制代码

三、GFF3 转换为 GTF
       如果参考序列没有现成的 GTF 文件，可以通过 GFF 文件进行转换，通过gtfread 工具进行操作。

1. #GFF转换为GTF
   
2. wget http://ftp.ensembl.org/pub/release-107/gff3/homo_sapiens/Homo_sapiens.GRCh38.107.gff3.gz
   
3. #gffread处理GTF与GFF
   
4. #gff2gtf
   
5. gffread Homo_sapiens.GRCh38.107.gff3 -T -o genome.gtf
   
6. #gtf2gff
   
7. #gffread Homo_sapiens.GRCh38.107.gtf -o genome.gff
   
8. #获取CDS序列
   
9. gffread Homo_sapiens.GRCh38.107.gff3 -g Homo_sapiens.GRCh38.dna.primary_assembly.fa -x cds.fa
   
10. #获取蛋白序列
    
11. gffread Homo_sapiens.GRCh38.107.gff3 -g Homo_sapiens.GRCh38.dna.primary_assembly.fa -y protein.fa
    
12. #获取转录本序列
    
13. gffread Homo_sapiens.GRCh38.107.gff3 -g Homo_sapiens.GRCh38.dna.primary_assembly.fa -w transcripts.fa

复制代码

       从人基因组中剥离出21号染色体信息。

1. #提取21号染色体信息
   
2. seqkit grep  -p "21" Homo_sapiens.GRCh38.dna.primary_assembly.fa >chr21.fa
   
3. grep "^21" Homo_sapiens.GRCh38.107.gtf >chr21.gtf

复制代码