miRNA测序数据生信分析——第四讲，未知物种的生信分析实例

彼岸花1282023-10-13 23:46

miRNA测序数据生信分析------第四讲，未知物种的生信分析实例

  • miRNA测序数据生信分析------第四讲，未知物种的生信分析实例
    • [1. 下载测序数据](#1. 下载测序数据)
    • [2. 原始数据质控------软件fastqc](#2. 原始数据质控——软件fastqc)
    • [3. 注释tRNA和rRNA，使用Rfam数据库------软件blast，Rfam_statistics.py脚本](#3. 注释tRNA和rRNA，使用Rfam数据库——软件blast，Rfam_statistics.py脚本)
    • [4. 注释miRNA，包括种类，序列及定量，靶基因和绘图](#4. 注释miRNA，包括种类，序列及定量，靶基因和绘图)
      • [4.1 鉴定，使用miRBase数据库------软件blast](#4.1 鉴定，使用miRBase数据库——软件blast)
      • [4.2 定量和miRNA序列提取](#4.2 定量和miRNA序列提取)
      • [4.3 miRNA靶基因，使用miRanda和TargetScan软件进行预测](#4.3 miRNA靶基因，使用miRanda和TargetScan软件进行预测)
        • [4.3.1 miRanda软件](#4.3.1 miRanda软件)
        • [4.3.2 TargetScan软件](#4.3.2 TargetScan软件)
        • [4.3.3 整合两个软件预测结果------脚本Total_Target.py](#4.3.3 整合两个软件预测结果——脚本Total_Target.py)
      • [4.4 绘制miRNA-靶基因互作图------软件Cytoscape](#4.4 绘制miRNA-靶基因互作图——软件Cytoscape)
    • [5. 总结](#5. 总结)

miRNA测序数据生信分析------第四讲，未知物种的生信分析实例

再次强调：这里未知物种，是指进行miRNA测序的物种在miRBase、miRDB、miRTarbase数据库都不存在miRNA信息。而不是不知道进行miRNA测序的物种

1. 下载测序数据

和博文（miRNA测序数据生信分析------第三讲，已知物种的生信分析实例）中的测序数据一样。假设这个数据的物种是Oecanthus indicus。

SRA号：DRR463940 单端测序 测序类型：miRNA-seq 文件DRR463940.fastq

2. 原始数据质控------软件fastqc

3. 注释tRNA和rRNA，使用Rfam数据库------软件blast，Rfam_statistics.py脚本

4. 注释miRNA，包括种类，序列及定量，靶基因和绘图

测序物种Oecanthus indicus（Oin）。该物种在miRBase、miRDB、miRTarbase数据库都不存在miRNA信息。

4.1 鉴定，使用miRBase数据库------软件blast

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/01miRBase

#查询物种Oecanthus indicus是否在数据库miRBase中

grep "Oecanthus indicus" /home/zhaohuiyao/Database/miRBase/organisms.txt #没有返回

#自己编辑三个字符简写为：oin

/home/zhaohuiyao/Biosoft/general/ncbi-blast-2.10.0+/bin/makeblastdb -in /home/zhaohuiyao/Database/miRBase/mature.fa -dbtype nucl -out /home/zhaohuiyao/Database/miRBase/mature

#只保留一个比对结果

/home/zhaohuiyao/Biosoft/general/ncbi-blast-2.10.0+/bin/blastn -task blastn-short -db /home/zhaohuiyao/Database/miRBase/mature -query .../.../00Rawdata/DRR463940.fasta -out DRR463940_miRBase.annotations -outfmt 6 -evalue 1e-5 -num_alignments 1

head DRR463940_miRBase.annotations

#统计

wc -l ./DRR463940_miRBase.annotations #63113条比对结果（63113/311289=20.27%）

cut -f 2 ./DRR463940_miRBase.annotations | awk '{name=substr(1,5,length(1)); print name}' | sort | uniq | wc -l #420种miRNA（不关注物种，只关注miRNA种类）

4.2 定量和miRNA序列提取

miRNA序列提取：

步骤一：提取一种miRNA（不关注物种）对应的测序Reads序列名称，并在测序Reads中进行序列提取，拿到该miRNA的所有可能序列

步骤二：对所有可能序列进行多序列比对（MATTF）

步骤三：依据MAFFT比对结果，提取一致性序列，该一致性序列为该测序物种miRNA序列

步骤四：整合所有miRNA序列

miRNA序列定量：

在运行上面步骤一时，会生成序列定量文件

步骤一：提取一种miRNA（不关注物种）对应的测序Reads序列名称，并在测序Reads中进行序列提取，拿到该miRNA的可能序列。

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/02Sequence_Quantity

python ./miRBase_sequence_unknown.py -i .../01miRBase/DRR463940_miRBase.annotations -data /home/zhaohuiyao/miRNA_seq/DRR463940/00Rawdata/DRR463940.fasta -s oin -o ./

#miRNA定量结果

#某一miRNA对应的是所有测序Reads序列

步骤二：对所有可能序列进行多序列比对（MATTF）

#安装MAFFT

官网下载最新安装包：https://mafft.cbrc.jp/alignment/software/

cd /home/zhaohuiyao/Biosoft/general

wget https://mafft.cbrc.jp/alignment/software/mafft-7.505-with-extensions-src.tgz

tar -zxvf ./mafft-7.505-with-extensions-src.tgz

cd mafft-7.505-with-extensions/core/

#编辑文件，vim Makefile。修改第一行内容，PREFIX = /usr/local  PREFIX = /home/zhaohuiyao/Biosoft/general/mafft-7.505-with-extensions

make clean

make

make install

#可执行文件：/home/zhaohuiyao/Biosoft/general/mafft-7.505-with-extensions/bin/mafft

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/02Sequence_Quantity

mkdir MAFFT && cd MAFFT/

#编辑脚本mafft_run.sh

/bin/bash ./mafft_run.sh

#每个miRNA序列文件对应一个.mafft结果文件

步骤三：依据MAFFT比对结果，提取一致性序列，该一致性序列为本物种miRNA序列

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/02Sequence_Quantity/MAFFT/

mkdir consensus && cd consensus/

#编辑脚本consensus_run.sh以及consensus_seq.py

一致性序列的标准：依据多序列比对结果，统计每一个位置碱基的频次。频次最高的碱基为该位置碱基。

其中可能涉及的问题：①当该位置频次最高的是"-"字符时，忽略该位置。②当该位置频次最高的字符出现多个时，涉及到简并碱基的问题，这次暂不考虑，随机选择一种。

/bin/bash ./consensus_run.sh

#每个.mafft结果文件对应一个.concensus文件

步骤四：整合所有miRNA序列

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/02Sequence_Quantity

cat ./MAFFT/consensus/oin-* > DRR463940_miRBase.annotations.fa

4.3 miRNA靶基因，使用miRanda和TargetScan软件进行预测

#三个子目录miRanda/、TargetScan/和Total/

#两个软件的运行均需要准备两个文件。miRNA序列文件和mRNA序列文件。

miRNA序列文件：①成熟的miRNA序列，长度20-24nt；②种子序列，成熟miRNA 5'端的第2-8个核苷酸。

mRNA序列文件：①可以包括其他ncRNA序列（例如lncRNA也能与miRNA靶向结合）；②可以是完整的mRNA序列，也可以是mRNA的仅3`UTR序列；③可以一个基因对应一个mRNA序列，也可以多个（最后会整合到靶基因水平。但是需要提供mRNA---Gene关系文件）

#准备文件

#miRNA序列文件：上面4.2拿到的miRNA序列文件

#mRNA序列文件：这个文件包括了其他ncRNA序列，完整mRNA序列，一个基因对应多个mRNA序列。

#mRNA---Gene关系文件

bash 复制代码 
cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/03Target/
#mRNA序列文件
wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/001/405/GCF_000001405.40_GRCh38.p14/GCF_000001405.40_GRCh38.p14_rna.fna.gz
gunzip ./GCF_000001405.40_GRCh38.p14_rna.fna.gz
#mRNA---Gene关系文件
grep ">" GCF_000001405.40_GRCh38.p14_rna.fna | awk -v OFS="\t" '{split($0,arr," "); name=substr(arr[1],2); split($0,arr1,")"); split(arr1[1],arr2,"("); print name,arr2[2]}' > mrna_gene.info

#将fasta进行多行转单行
/home/zhaohuiyao/Biosoft/seqkit seq -i -w 0 GCF_000001405.40_GRCh38.p14_rna.fna > GCF_000001405.40_GRCh38.p14_rna.fna.tmp
rm GCF_000001405.40_GRCh38.p14_rna.fna
mv GCF_000001405.40_GRCh38.p14_rna.fna.tmp GCF_000001405.40_GRCh38.p14_rna.fna
4.3.1 miRanda软件

#安装软件miRanda

cd /home/zhaohuiyao/Biosoft/general

wget http://cbio.mskcc.org/microrna_data/miRanda-aug2010.tar.gz

tar -zxvf ./miRanda-aug2010.tar.gz

cd miRanda-3.3a/

./configure --prefix=/home/zhaohuiyao/Biosoft/general/miRanda-3.3a

make

make install

#可执行文件：/home/zhaohuiyao/Biosoft/general/miRanda-3.3a/bin/miranda

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/03Target/miRanda

ln -s .../GCF_000001405.40_GRCh38.p14_rna.fna oin_mrna.fasta

ln -s .../mrna_gene.info oin_gene_mrna.info.txt

/home/zhaohuiyao/Biosoft/general/miRanda-3.3a/bin/miranda .../.../02Sequence_Quantity/DRR463940_miRBase.annotations.fa oin_mrna.fasta -quiet -out DRR463940_miRBase.annotations.miRanda.original

#参数-quiet：表示不输出没有发生靶向的miRNA-mRNA关系

#结果文件DRR463940_miRBase.annotations.miRanda.original，这个文件中只有以">>"开头的行，才是预测的miRNA-靶mRNA的信息行

grep ">>" DRR463940_miRBase.annotations.miRanda.original > DRR463940_miRBase.annotations.miRanda.tmp

#结合mRNA---Gene的关系文件（oin_gene_mrna.info.txt），获得mRNA-靶基因关系文件

python3 ./miRanda_Target.py -i ./DRR463940_miRBase.annotations.miRanda.tmp -db ./oin_gene_mrna.info.txt -o ./

#结果文件DRR463940_miRBase.annotations.miRanda

4.3.2 TargetScan软件

#安装软件TargetScan

cd /home/zhaohuiyao/Biosoft/general

mkdir targetscan_50 && cd targetscan_50/

wget https://www.targetscan.org/vert_50/vert_50_data_download/targetscan_50.zip

unzip ./targetscan_50.zip && rm ./targetscan_50.zip

#可执行文件：/home/zhaohuiyao/Biosoft/general/targetscan_50/targetscan_50.pl

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/03Target/TargetScan

ln -s .../GCF_000001405.40_GRCh38.p14_rna.fna oin_mrna.fasta

ln -s .../mrna_gene.info oin_gene_mrna.info.txt

#TargetScan对输入的文件格式有要求。请依据要求对miRDB用到的文件进行修改，得到新的输入文件DRR463940_miRBase.annotations.fa.TargetScan和oin_mrna.fasta.TargetScan

#miRNA只需要种子序列（miRNA 5'端的第2~8个核苷酸），物种号：NCBI的Taxonomy数据库中查看1982312

awk '{if(0\~/\^\>/){printf "%s\\t", substr(0,2) } else { printf "%s\t%s\n", substr($0,2,7),"1982312"}}' .../.../02Sequence_Quantity/DRR463940_miRBase.annotations.fa > RR463940_miRBase.annotations.fa.TargetScan

awk '{if(0\~/\^\>/){printf "%s\\t", substr(0,2) } else { printf "%s\t%s\n", "1982312",$0}}' oin_mrna.fasta > oin_mrna.fasta.TargetScan

perl /home/zhaohuiyao/Biosoft/general/targetscan_50/targetscan_50.pl DRR463940_miRBase.annotations.fa.TargetScan oin_mrna.fasta.TargetScan DRR463940_miRBase.annotations.TargetScan.original

#结合mRNA---Gene的关系文件（oin_gene_mrna.info.txt），获得mRNA-靶基因关系文件

python ./TargetScan_Target.py -i ./DRR463940_miRBase.annotations.TargetScan.original -db ./oin_gene_mrna.info.txt -o ./

#结果文件DRR463940_miRBase.annotations.TargetScan

4.3.3 整合两个软件预测结果------脚本Total_Target.py

#取并集，获得最终miRNA-Gene关系文件

cd /home/zhaohuiyao/miRNA_seq/DRR463940/02miRNA/unknown/03Target/Total

python ./Total_Target.py -db1 .../miRanda/DRR463940_miRBase.annotations.miRanda -db2 .../TargetScan/DRR463940_miRBase.annotations.TargetScan -o ./

#结果文件DRR463940_miRBase.annotations.target

4.4 绘制miRNA-靶基因互作图------软件Cytoscape

5. 总结

以上就是针对未知物种的miRNA分析。与已知物种的分析之间存在重叠，重点是两个预测软件miRanda和TargetScan的使用。上面步骤中涉及了很多脚本，但都是很简单的文件内容提取比对。

相关推荐
比奇堡派星星1 分钟前
Linux4.4使用AW9523
linux·开发语言·arm开发·驱动开发
IvorySQL3 分钟前
让源码安装不再困难：IvorySQL 一键安装脚本的实现细节解析
数据库·人工智能·postgresql·开源
云和数据.ChenGuang5 分钟前
openGauss赋能新能源汽车智能制造——比亚迪MES系统数据库国产化升级案例
数据库·汽车·opengauss·gaussdb·数据库权限管理
洛小豆11 分钟前
她问我：数据库还在存 Timestamp？我说：大人，时代变了
数据库·后端·mysql
顶点多余17 分钟前
Linux中的基本命令-2
linux·运维·服务器
邵伯18 分钟前
为什么你的 SELECT 有时会阻塞？
数据库·后端
比奇堡派星星24 分钟前
cmdline使用详解
linux·arm开发·驱动开发
洛小豆28 分钟前
代码修仙录 · 第1期：宗门大阵崩了？只因少了毫秒三魂！
数据库·后端·mysql
yaso_zhang42 分钟前
linux 下sudo运行程序，链接找不到问题处理
java·linux·服务器
2501_941886861 小时前
基于法兰克福金融系统实践的高可靠消息队列设计与多语言实现经验总结分享
服务器·前端·数据库
热门推荐
01GitHub 镜像站点02安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）03手把手教你通过Gemini3 pro 学生认证，白用一年，手慢无！04Linux下V2Ray安装配置指南05Labelme从安装到标注：零基础完整指南06jdk21下载、安装（Windows、Linux、macOS）07GitLab 零基础入门指南：从安装到项目管理全流程08UV安装并设置国内源092025-04-03 Latex学习1——本地配置Latex + VScode环境10【踩坑笔记】50系显卡适配的 PyTorch 安装