轉(zhuǎn)錄組上游分析的全部流程：軟件安裝——數(shù)據(jù)準(zhǔn)備——質(zhì)控——序列比對——表達(dá)定量。

俗話說的好，工欲善其事，必先利其器，要想做上游定量的小伙伴首先要學(xué)會準(zhǔn)備自己的測序數(shù)據(jù)，要不然大家分析什么？

本文將手把手教你做轉(zhuǎn)錄組上游分析——第二章（數(shù)據(jù)的準(zhǔn)備）

目錄如下：

1.?準(zhǔn)備原始數(shù)據(jù)

2. 準(zhǔn)備參考基因組

3.?準(zhǔn)備參考基因組注釋文件

4. 結(jié)語

前置條件：

虛擬機(jī)：vmwarewokstation，版本16.0.0，?

linux系統(tǒng)：ubantu64位，版本20.04.3

模式生物：C57BL/6J（需要明確自己的樣本屬于哪一種模式生物）

原始數(shù)據(jù)：公司測序返回的fq文件（目前測序通常是雙端測序）

1. 準(zhǔn)備原始數(shù)據(jù)

?原始數(shù)據(jù)一般是送樣給公司檢測后得到XXX.fq.gz文件，如下圖所示（Windows界面）：

并且我這里是雙端測序數(shù)據(jù)，因此在.fq.gz前面還會有1/2的數(shù)字標(biāo)識（原始數(shù)據(jù)的命名方式跟公司有關(guān)，不同的公司命名不同，后期可以自己修改命名）。

如下圖所示，為修改命名后的文件（Windows界面）：紅線以上是藥物處理組6個樣本，紅線以下是對照組6個樣本（再次注意：由于是雙端測序數(shù)據(jù)，因此一個樣本會有兩個fq數(shù)據(jù)）

現(xiàn)在我們已經(jīng)有了修改命名后的原始數(shù)據(jù)，需要將這些文件復(fù)制到linux系統(tǒng)中供后續(xù)分析使用，接下來打開linux操作系統(tǒng)，如下圖所示，我們可以看到桌面下什么文件夾都沒有。

點(diǎn)擊上圖中紅線指向的地方，打開終端，通過cd Desktop/指令，切換到桌面目錄下（如下圖所示）

輸入如下指令，創(chuàng)建兩個文件夾

mkdir00_raw_datamkdir 01_ref

（1）raw_data文件夾用來存放原始數(shù)據(jù)

（2）ref文件夾用來存放參考基因組。

關(guān)閉終端，這時(shí)如下圖所示，我們就能看到桌面下多了兩個新的文件夾。

之后雙擊中打開00_raw_data文件夾，如下圖所示，直接將windows系統(tǒng)里的原始文件拖拽到00_raw_data文件夾中

2. 準(zhǔn)備參考基因組

這里我們選用Ensembl數(shù)據(jù)庫(ftp://ftp.ensembl.org/pub)，打開網(wǎng)址后，我們可以看到一大堆英文命名的文件夾，對應(yīng)每個物種的英文名，我們用的是C57BL/6J，對應(yīng)的英文名是：Mus musculus，因此往下找到名為mus_musculus/的文件夾（如下圖所示）。