tophat-fusion软件分析说明
TopHat-Fusion可以从单端或双端的RNA-seq数据中识别融合基因。它将首次未比对到基因组上的reads进行打断，通过重新比对寻找候选的融合基因，后续采用多重规则进行过滤和筛选。该算法不依赖于已知的基因注释信息，这使其具有更高的敏感性，除了鉴定已知基因的融合，它还可以发现来自新基因或已知基因新剪切体的融合产物
TopHat-Fusion下载
下载 Bowtie indexes (Bowtie1或者 Bowtie2), refGene.txt, and ensGene.txt .
从 blast database中下载 human_genomic, other_genomic, and nt* .
下载数据库（blastdb,ftp://ftp.ncbi.nlm.nih.gov/blast/db/)
使用TopHat-Fusion
1 | #####一个例子 |
SOAPfuse分析软件说明
SOAPfuse算法首先通过比对到基因组和转录本中双末端（pair end）关系的序列寻找候选的基因融合，然后采用局部穷举算法和一系列精细的过滤策略，在尽量保留真实融合的情况下过滤掉其中假阳性的基因融合。同时，该算法还具有融合断点预测和可视化功能，这对临床分子分型和肿瘤新药的开发具有重要意义。
软件安装
1.下载软件包http://soap.genomics.org.cn/soapfuse.html1
2$ tar -xzf /PATH_WHERE_YOU_PUT_THE_TARBALL/SOAPfuse-vX.X.tar.gz
$ cd SOAPfuse-vX.X/
Prepare
1.准备样品列表
基于下面的格式列表文件准备样品(四列)。
| 1 | 2 | 3 | 4 |
|---|---|---|---|
| [sample_ID] | [sequence_library_ID] | [run_ID] | [read_length] |
2.准备RNA-Seq数据
根据样品列表存储fastq/fasta格式文件
构建目录存储RNA-Seq数据的五个要求:
（1）在主目录下存储所有RNA-Seq数据文件的子目录。我们称之为“WHOLE_SEQ-DATA_DIR”。我们公司这步的文件夹命名为“seq_data”
（2）使用sample_ID 命名 WHOLE_SEQ-DATA_DIR下的子目录的名称。我们称之为“SAMPLE_DIR”，我们公司这步的文件夹命名与样品名一致。
（3）使用sequence_library_ID 命名SAMPLE_DIR的子目录的名称。我们称之为“LIB_DIR”，与公司一致。
（4）RNA测序数据（FASTQ/ FASTA）文件存储在LIB_DIR中以其Run_ID作为文件名前缀，与公司一致。
SOAPfuse处理paired-end reads,所以前缀也应该含有双端reads序列号,如“Run_ID_1”、“Run_ID_2”。
（5）对 RNA-Seq 数据文件后缀没有要求，一般我们使用’fq.gz’ (fastq) 或者 ‘fa.gz’ (fasta)。
Run SOAPfuse
SOAPfuse运行,需要准备配置文件,SOAPfuse将根据配置文件来运行。
1.检查配置文件:1
2$ cd /PATH_WHERE_YOU_PUT_THE_PACKAGE/SOAPfuse-vX.X/config/，我们公司路径为/PUBLIC/software/HUMAN/SOAPfuse-v1.26/config
$ less -S config.txt
注意:
（1）所有以“＃”开头的行都被视为注释。
（2）值和参数名称由“=”隔开，’=’后为值，可以被修改。
（3）根据需要某些值可以设置为“是”或“否”，有些可以保留为默认值。
（4）检查每个参数的前缀
有五种前缀，分别是“DB”，“PG”，“PS”，“PD”和“PA”。
a.“DB”指数据库的信息。
b.“PG”是指程序的信息。
c.“PS”是指流程步骤的信息。
d.“PD”是指流程目录的信息。
e.“PA”是指参数的信息。
＃“DB”，“PG”，“PS”和“PD”与数据库相关，所以一旦这些参数准确地设置SOAPfuse能成功地运行。 “PA”与每个步骤的参数相关，并已设置为默认值，这样你就可以在你的第一次尝试时忽略它们，选择默认值。但是，“PA_all_fq_postfix”，它定义了RNA测序数据文件后缀，在运行前应该根据自己的RNA-Seq 文件设置参数值。
2.Run SOAPfuse
1 | perl SOAPfuse-RUN.pl -c <config_file> -fd <WHOLE_SEQ-DATA_DIR> -l <sample_list> -o <out_directory> [Options] |
添加lncRNA癌基因数据库注释
再lncRNA的差异分析中添加癌基因注释，本次使用lncRNA癌基因数据库为http://www.cuilab.cn/lncrnadisease
注释脚本如下：1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47#!/usr/bin/env python
#coding=utf-8
import argparse
parser=argparse.ArgumentParser(prog='annotation',usage='%(prog)s [opthions] [value]',description='This program is used to annotate the differential expression genes!')
parser.add_argument('-D','--diffgene',help='the diffgene file')
parser.add_argument('-B','--database',help='the annotation file')
parser.add_argument('-O','--outfile',help='the output file')
argv=vars(parser.parse_args())
if argv['diffgene'] == None:
raise Exception('You should provide the diffgene file!')
if argv['diffgene'] != None:
diffgene=argv['diffgene'].strip()
if argv['database'] == None:
raise Exception('You should provide the annotation file!')
if argv['database'] != None:
database=argv['database'].strip()
if argv['outfile'] == None:
raise Exception('You should provide the output file!')
if argv['outfile'] != None:
outfile=argv['outfile'].strip()
genelist={}
Diffgene=open(diffgene)
header=Diffgene.readline()
for eachline in Diffgene:
eachlines=eachline.strip().split('\t')
genelist[eachlines[1]] = eachlines[0]
Diffgene.close()
Annotation=open(database)
header=Annotation.readline()
Outfile=open(outfile,'w')
Outfile.write(header)
for eachline in Annotation:
eachlines=eachline.strip().split('\t')
if eachlines[0] in genelist.keys():
Outfile.write(genelist[eachlines[0]] + "\t" + eachline)
Annotation.close()
Outfile.close()