wucc009 / platelet_transcriptome_fastq_data_processing

血小板转录组fastq数据处理

Platelet_transcriptome_fastq_data_processing

这是一个用于转录组fastq数据的处理管道

特点

• 可进行单双端fastq数据的从头分析
• 最终获得mRNA、lncRNA、circRNA表达数据
• 只需少量操作即可完成

使用指南

1. 事前准备：

• 创建一个虚拟环境，安装所需软件及包（此处不一一列举，可在代码中获取）
• 从ensemble数据库下载所需.fa和.gtf文件
• 从circbank下载所需文件

2. 先从GEO、SRA数据库收集数据，最后从ENA获得.txt文件，包含三列：run_accession、fastq_md5、fastq_ftp：

• GEO
• SRA
• ENA

---

3. 通过调用Aria2c_fastq.sh脚本进行下载：

nohup bash Aria2c_fastq.sh 1 01-PRJNA722042-3-single.txt temp_file1 >Aria2c_log1 2>&1 &

• 1：单端（2即双端）
• 01-PRJNA722042-3-single.txt：第一步下载的文件
• temp_file1：程序运行中的临时文件夹

---

4. 使用fastq、fastqc和fastp进行质控：

• fastq代码不小心删了（自己写一个很简单）
• 之后调用fastQC.sh

nohup bash fastQC.sh 01-PRJNA722042-3-single.txt log1 2>&1 &

• 根据fastQC结果最后使用Transcriptome_upstream_analysis.sh中的fastp进行质控

---

5. 调用Transcriptome_upstream_analysis.sh脚本：

• 进行STAR比对，获得rawdata
• 对rawdata合并，并进行TPM标化，然后输出mRNA、lncRNA表达数据
• 进行BWA比对
• 进行CIRI2获取circRNA表达数据

nohup bash Transcriptome_upstream_analysis.sh 1 01-PRJNA722042-3-single 3 47 >log1 2>&1 &

• 3:fastp对f端修剪长度
• 47:star中参数--sjdbOverhang的值，默认值是100，理想值为read长度减1，这边采用read长度减1