Giremi RNA 编辑位点分析软件


Giremi RNA 编辑位点分析软件

简介：

GIREMI是一种通过SNP位点，SNPdb以及genome.fa别RNA编辑位点的软件。
通过计算测序reads中识别出的错配对的互信息（MI），以区分RNA编辑位点和SNP。它还通过线性模型（GLM）训练集，以进一步增强预测能力；该模型利用序列偏倚信息以及未知单核苷酸变体（SNV）的错配比与基因的估计等位基因比之间的差异。

1.环境和变量

  • Linux，perl，R；
  • 处理常规人类数据集至少需要8 GB的内存；
  • HTSlib ： 用于读取SAM / BAM文件请确保配置文件中的动态库路径；
  • samtools ：用于生成参考基因组序列的faidx索引，一般参考基因组文件夹都有
1
2
3
export PATH=/usr/local/bin/samtools:$PATH
export LD_LIBRARY_PATH=/home/fanyucai/software/glibc/glibc-v2.14/lib/:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/home/fanyucai/software/samtools/samtools-bcftools-htslib-1.0_x64-linux/lib/:$LD_LIBRARY_PATH

2.输入文件

  • SNP结果表格，该物种dbSNP(一般VCF格式)，参考基因组文件夹；

SNP_result.xls

dbSNP

3.分析流程

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
###1.基因正负链信息
less genome/gene.gtf |awk -F'   |;' -v OFS='    ' '{print $10,$7}'|sort -u |sed 's/gene_id "//g;s/"//g；s///g' >gene2strand.txt

###2.得到SNP和RS对应（消耗较多内存，20G左右）
less dbSNP|grep -v "#"|awk -F'  ' -v OFS='  ' '{print $1,$2,$4,$5,$3}' >genome/dbSNP.vcf
##注意染色体号和基因组一致
cat SNP*.xls|cut -f 1-4|sort -u  >snp.all.txt
#R --slave  <<EOF
#a<-read.table("snp.all.txt",sep="  ")
#b<-read.table("genome/dbSNP.vcf",sep=" ")
#mergedb<-merge(a,b,by.x=c("V1","V2"),by.y=c("V1","V2"),all.x=T)
#write.table(mergedb, file = "all.SNP.RS", sep = "  ", quote = F, row.names = F)
#EOF
###或者较小的SNPdb信息可以awk比对；
less all.SNP.txt |awk -F'   ' -v OFS='  ' 'NR==FNR{a[$1$2$3$4]=$1$2$3$4;b[$1$2$3$4]=$5}NR>FNR{if($1$2$3$4==a[$1$2$3$4])print $0,"1";else print $0,"0"}' genome/dbSNP.vcf ->all.SNP.RS

###3.整理SNP文件为输入格式
for Sample in bam/*.bam;do n=$(basename $Sample|sed 's/.bam//');
less bam/SNP_$n.xls |sed '1d'|cut -f 1-4,12|awk -F' ' -v OFS='  ' '{if($5=="")print $1,$2,$3,$4,"Inte";else print $0}'|awk -F'  ' -v OFS='  ' 'NR==FNR{a[$1]=$1;b[$1]=$2}NR>FNR{if($5==a[$5])print $0,b[$5];else print $0,"#"}' gene2strand.txt -|awk -F'   ' -v OFS='  ' 'NR==FNR{a[$1"    "$2"    "$3"    "$4]=$1"    "$2"    "$3"    "$4;b[$1"   "$2"    "$3"    "$4]=$5}NR>FNR{if(($1"  "$2"    "$3"    "$4)==a[$1" "$2"    "$3"    "$4])print $1,($2-1),$2,$5,"1",$6;else print $1,($2-1),$2,$5,"0",$6}' all.SNP.RS -|awk -F'  ' -v OFS='  ' '{if($4 ~/^gene/)print $1,$2,$3,"Inte",$5,$6;else print $0}' >input.$n.tmp;

###4.进行RNAE位点鉴别
$cwd/giremi -f $cwd/genome/genome.fa -l $cwd/input.$n.tmp -o $cwd/output.$n.txt $cwd/$Sample;
###5.R脚本计算是否为RNAE
#Rscript /public/cluster2/works/lipeng/RNA_seq/test/RNAedit/GIREMI/giremi.r -i output.$n.txt -o result.$n.xls;

4.结果展示

RNAE.result