作業(yè)要求
轉(zhuǎn)錄組入門(mén)(4)：了解參考基因組及基因注釋
在UCSC下載hg19參考基因組，我博客有詳細(xì)說(shuō)明，從gencode數(shù)據(jù)庫(kù)下載基因注釋文件，并且用IGV去查看你感興趣的基因的結(jié)構(gòu)，比如TP53,KRAS,EGFR等等。
作業(yè)，截圖幾個(gè)基因的IGV可視化結(jié)構(gòu)！還可以下載ENSEMBL，NCBI的gtf，也導(dǎo)入IGV看看，截圖基因結(jié)構(gòu)。了解IGV常識(shí)。

參考基因組準(zhǔn)備

明確實(shí)驗(yàn)?zāi)康?，依?jù)實(shí)驗(yàn)?zāi)康倪x取參考基因組，參考博文：RNA-seq選擇參考基因組
了解不同數(shù)據(jù)庫(kù)基因組各種版本對(duì)應(yīng)關(guān)系，參考博文：基因組各種版本對(duì)應(yīng)關(guān)系
本文下載小鼠基因組：

• 下載UCSC數(shù)據(jù)
  點(diǎn)擊Downloads，選擇Genome Data ;點(diǎn)擊Mammals，找到M_musculus,選擇合適版本，進(jìn)入Full data set下載chromfa.tar.gz（該文件是基因組文件的打包），或進(jìn)入Data set by chromsome文件中下載各條染色體序列，在合并。
• 下載NCBI下genome中基因組數(shù)據(jù)：ftp://ftp.ncbi.nlm.nih.gov/genomes/M_musculus/
• Ensembl中基因組數(shù)據(jù)下載：http://www.ensembl.org/info/data/ftp/index.html

參考基因組注釋文件準(zhǔn)備

GENCODE（http://www.gencodegenes.org/）中有小鼠基因組注釋文件；
Data->Mouse->Release History : 找到對(duì)應(yīng)我們先前下載的GRCm38版本，這兒下載M11，這個(gè)數(shù)據(jù)的對(duì)應(yīng)版本是不斷更新的；

GFF文件選擇：

GTF文件與GFF文件

GFF（general feature format），這種格式主要是用來(lái)注釋基因組；文件每一行注釋一個(gè)對(duì)象（gene,exon,cds and so on）,每行包含9列，還有文件的預(yù)定義行。
GTF（gene transfer format），是GFF的第二個(gè)版本；前8列與GFF差不多，第9列變化較大。
GFF文件是由tab鍵隔開(kāi)的9列構(gòu)成：

1. seqname - name of the chromosome or scaffold; chromosome names can be given with or without the 'chr' prefix.
2. source - name of the program that generated this feature, or the data source (database or project name)
3. feature - feature type name, e.g. Gene, Variation, Similarity
4. start - Start position of the feature, with sequence numbering starting at 1.
5. end - End position of the feature, with sequence numbering starting at 1.
6. score - A floating point value.
7. strand - defined as + (forward) or - (reverse).
8. frame - One of '0', '1' or '2'. '0' indicates that the first base of the feature is the first base of a codon, '1' that the second base is the first base of a codon, and so on..
9. attribute - A semicolon-separated list of tag-value pairs, providing additional information about each feature.

GFF文件第9列：以多個(gè)鍵值對(duì)組成的注釋信息描述，鍵與值之間用”=“，不同的鍵值用”;“隔開(kāi)，一個(gè)鍵可以有多個(gè)值，不同值用“;”分割，都是以ID這個(gè)屬性開(kāi)始。

1 transcribed_unprocessed_pseudogene  gene        11869 14409 . + . gene_id "ENSG00000223972"; gene_name "DDX11L1"; gene_source "havana"; gene_biotype "transcribed_unprocessed_pseudogene"; 
1 processed_transcript                transcript  11869 14409 . + . gene_id "ENSG00000223972"; transcript_id "ENST00000456328"; gene_name "DDX11L1"; gene_sourc e "havana"; gene_biotype "transcribed_unprocessed_pseudogene"; transcript_name "DDX11L1-002"; transcript_source "havana";

GTF文件第9列：同樣是標(biāo)簽與值配對(duì)的情況，但標(biāo)簽與值之間以空格分開(kāi)，值用雙引號(hào)括起來(lái)；不同屬性之間用“；”分隔；開(kāi)頭必須是gene_id, transcipt_id兩個(gè)屬性；

X   Ensembl Repeat  2419108 2419128 42  .   .   hid=trf; hstart=1; hend=21
X   Ensembl Repeat  2419108 2419410 2502    -   .   hid=AluSx; hstart=1; hend=303
X   Ensembl Repeat  2419108 2419128 0   .   .   hid=dust; hstart=2419108; hend=2419128
X   Ensembl Pred.trans. 2416676 2418760 450.19  -   2   genscan=GENSCAN00000019335
X   Ensembl Variation   2413425 2413425 .   +   .   
X   Ensembl Variation   2413805 2413805 .   +   .

預(yù)定義行：
name- unique name to identify this track when parsing the file
description - Label to be displayed under the track in Region in Detail
priority - integer defining the order in which to display tracks, if multiple tracks are defined.

IGV的下載和使用：

IGV官網(wǎng)（http://software.broadinstitute.org/software/igv/home），下載windows版本。

IGV

IGV運(yùn)行后主頁(yè)面：

參考基因組導(dǎo)入兩種方法：
1） 可以從右上角選取物種與相應(yīng)的版本，基因組自動(dòng)下載；
2） genome -> Load Genome From Files加載下載好的基因組文件；

基因組注釋文件導(dǎo)入：
基因組注釋文件排序：Tool -> Run igvtools中sort進(jìn)行排序，然后導(dǎo)入排序后的文件

比對(duì)文件（sam文件）查看：
Sam文件轉(zhuǎn)換為bam文件：
$ tools view -bS file-o file
對(duì)file.bam進(jìn)行sort，排序后文件file.sort.bam：
$ samtools sort file.bam file.sort
為bam文件創(chuàng)建索引：
$ samtools index file.sort.bam
導(dǎo)入bam文件，即可查看比對(duì)結(jié)果。

參考：
轉(zhuǎn)錄組入門(mén)（4）：了解參考基因組及基因注釋
GFF/GTF File Format
RNA-seq選擇參考基因組
基因組各種版本對(duì)應(yīng)關(guān)系