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
明月醉窗台1 小时前
qt使用笔记二：main.cpp详解
数据库·笔记·qt
沉到海底去吧Go1 小时前
【图片自动识别改名】识别图片中的文字并批量改名的工具，根据文字对图片批量改名，基于QT和腾讯OCR识别的实现方案
数据库·qt·ocr·图片识别自动改名·图片区域识别改名·pdf识别改名
yzx9910132 小时前
Linux 系统中的算法技巧与性能优化
linux·算法·性能优化
fengyehongWorld2 小时前
Linux Docker的简介
linux·docker
老纪的技术唠嗑局2 小时前
重剑无锋，大巧不工 —— OceanBase 中的 Nest Loop Join 使用技巧分享
数据库·sql
曹瑞曹瑞2 小时前
VMware导入vmdk文件
linux·运维·服务器
未来之窗软件服务2 小时前
JAVASCRIPT 前端数据库-V6--仙盟数据库架构-—-—仙盟创梦IDE
数据库·数据库架构·仙盟创梦ide·东方仙盟·东方仙盟数据库
Johny_Zhao2 小时前
2025年6月Docker镜像加速失效终极解决方案
linux·网络·网络安全·docker·信息安全·kubernetes·云计算·containerd·yum源·系统运维
hello kitty w3 小时前
Python学习(7) ----- Python起源
linux·python·学习
十年磨一剑~3 小时前
centos查看开启关闭防火墙状态
linux·运维·centos
热门推荐
01【图像处理与机器视觉】XJTU期末考点02从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑03KGG转MP3工具|非KGM文件|解密音频04海康Visionmaster-常见问题排查方法-启动阶段05YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】06【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！07Coze扣子平台完整体验和实践（附国内和国际版对比）08DeepSeek各版本说明与优缺点分析09VMware虚拟机安装Win7专业版保姆级教程（附镜像包）10R-tree详解