1. 将转录组数据比对到基因组上；
  2. 利用转录组拼接软件可以得到新的转录本，用于之后的 lncRNA 的甄别。

鉴定 lncRNA 最大的难点是确定转录组的非编码性

质控

  1. sample=SRR16841689
  3. fastp \
  4.   -i ${sample}_1.fastq \
  5.   -I ${sample}_2.fastq \
  6.   -o ${sample}.fp.R1.fastq \
  7.   -O ${sample}.fp.R2.fastq \
  8.   -h ${sample}.html \
  9.   -j ${sample}.json

比对

  1. ref=genome.fa
  2. gtf=genome.gtf
  5. # 为参考基因组构建 index
  6. hisat2-build \
  7.   ${ref} \
  8.   genome \
  9.   -p 20 \
  10.   &> hisat2-build.log
  12. hisat2 \
  13.   -x genome \
  14.   -1 ${sample}.fp.R1.fastq \
  15.   -2 ${sample}.fp.R2.fastq \
  16.   -p 20 \
  17.   --new-summary \
  18.   --summary-file ${sample}.hisat2.summary \
  19.   --rna-strandness RF \
  20.   | samtools sort \
  21.   -o ${i}.hisat2.sorted.bam \
  22.   - \
  23.   1> ${i}.hisat2.log \
  24.   2> ${i}.hisat2.err
  26. samtools index ${i}.hisat2.sorted.bam

stringTie 转录本重构

  2. # 转录本重构
  3. stringtie \
  4.   ${i}.hisat2.sorted.bam \
  5.   --rf \
  6.   -G ${gtf} \
  7.   -o ${sample}.gtf \
  8.   -p 10 \
  9.   &> ${sample}.stringtie.log
  11. stringtie --merge -o merged.gtf -G ${gtf} *gtf
  15. # 过滤
  16. FEELnc_filter.pl \
  17.   -i merged.gtf \
  18.   -a ${gtf} \
  19.   --monoex=-1 \
  20.   -s 200 \
  21.   -f 0 \
  22.   -p 40 \
  23.   1> candidate_lncRNA.gtf \
  24.   2> FEELnc_filter.log
  26. # 提取转录本序列
  27. gffread \
  28.   ${gtf} \
  29.   -g ${genome} \
  30.   -w candidate_lncRNA.fa
  32. 提取 ID

过滤

根据长度
过滤掉mRNA

编码能力预测

  1. FEELnc_codpot.pl \
  2.   -i candidate_lncRNA.gtf \
  3.   -a ${gtf} \
  4.   -l 
  5.   -g
  1. CPC2.py \
  2.   -i candidate_lncRNA.gtf \
  3.   -o cpc2output

参考