【佳學(xué)基因檢測】基因解碼基因檢測如何構(gòu)建專屬數(shù)據(jù)庫以增加正確性和檢出率
除了人類基因組之外，基因解碼還可以處理其他物種。 但是，ANNOVAR 不提供其他基因定義的內(nèi)置 mRNA FASTA 文件，因此基因檢測機構(gòu)必須自行構(gòu)建。
為了更多地了解這一點，嘗試處理黑猩猩基因組：
[jiaxuejiyin@genejiedu ~/]$ annotate_variation.pl -downdb -buildver panTro2 gene chimpdb
NOTICE: Downloading annotation database ftp://hgdownload.cse.ucsc.edu/goldenPath/panTro2/database/refGene.txt.gz ... OK
NOTICE: Downloading annotation database ftp://hgdownload.cse.ucsc.edu/goldenPath/panTro2/database/refLink.txt.gz ... OK
NOTICE: Downloading annotation database http://www.openbioinformatics.org/annovar/download/panTro2_refGeneMrna.fa.gz ... Failed
NOTICE: Uncompressing downloaded files
NOTICE: Finished downloading annotation files for panTro2 build version, with files saved at the 'chimpdb' directory
WARNING: Some files cannot be downloaded, including http://www.openbioinformatics.org/annovar/download/panTro2_refGeneMrna.fa.gz
--------------------------------IMPORTANT---------------------------------
--------------------------------------------------------------------------
NOTICE: the FASTA file http://www.openbioinformatics.org/annovar/download/panTro2_refGeneMrna.fa.gz is not available to download but can be generated by the ANNOVAR software. PLEASE RUN THE FOLLOWING TWO COMMANDS CONSECUTIVELY TO GENERATE THE FASTA FILES:
annotate_variation.pl --buildver panTro2 --downdb seq chimpdb/panTro2_seq
retrieve_seq_from_fasta.pl chimpdb/panTro2_refGene.txt -seqdir chimpdb/panTro2_seq -format refGene -outfile chimpdb/panTro2_refGeneMrna.fa
--------------------------------------------------------------------------
--------------------------------------------------------------------------
上述命令將運行，但會打印出一些警告消息：ANNOVAR 網(wǎng)站中未提供 FASTA 序列，因此用戶需要構(gòu)建它們。 只需按照確切的說明操作并運行兩個命令：
[jiaxuejiyin@genejiedu ~/]$ annotate_variation.pl --buildver panTro2 --downdb seq chimpdb/panTro2_seq
NOTICE: Downloading annotation database ftp://hgdownload.cse.ucsc.edu/goldenPath/panTro2/bigZips/chromFa.zip ... Failed
NOTICE: Downloading annotation database ftp://hgdownload.cse.ucsc.edu/goldenPath/panTro2/bigZips/chromFa.tar.gz ... OK
NOTICE: Uncompressing downloaded files
NOTICE: Finished downloading annotation files for panTro2 build version, with files saved at the 'chimpdb/panTro2_seq' directory
[jiaxuejiyin@genejiedu ~/]$ retrieve_seq_from_fasta.pl chimpdb/panTro2_refGene.txt -seqdir chimpdb/panTro2_seq -format refGene -outfile chimpdb/panTro2_refGeneMrna.fa
NOTICE: Finished reading 1 sequences from chimpdb/panTro2_seq/12/chr12_random.fa
NOTICE: Finished reading 1 sequences from chimpdb/panTro2_seq/22/chr22.fa
NOTICE: Finished reading 1 sequences from chimpdb/panTro2_seq/14/chr14.fa
......
......
NOTICE: Finished writting FASTA for 1337 genomic regions to chimpdb/panTro2_refGeneMrna.fa.
因此，運行上述命令后，黑猩猩基因組的基因注釋數(shù)據(jù)庫將是完整、正確且賊新的。
練習(xí)：嘗試對 rheMac2（獼猴）運行上述相同的過程，看看這與 panTro2 有何不同。 UCSC 沒有針對不同的基因組使用相同的文件命名約定或目錄結(jié)構(gòu)規(guī)則，這使得程序員的工作變得更加復(fù)雜。 ANNOVAR 可以處理許多基因組，但還有另一種基因組 ANNOVAR 無法自動檢索序列； 如果是這種情況，請聯(lián)系基因解碼工作人員，基因解碼將分析并添加該功能。
練習(xí)：嘗試對 sacCer2（酵母）運行上述相同的過程，看看有何不同。
練習(xí)：嘗試對 sacCer3（酵母）運行上述相同的過程，看看有何不同。 請注意，UCSC 使用 ncbiRefSeq 而不是 RefGene 來表示基因注釋，因此基因測序機構(gòu)必須在 -downdb 命令中使用它。 然后使用retrieve_seq_from_fasta.pl酵母db/sacCer3_ncbiRefSeq.txt -seqdir酵母db/sacCer3_seq/-format refGene -outfile酵母db/sacCer3_refGeneMrna.fa生成mRNA FASTQ文件。
練習(xí)：嘗試對 bosTau6（牛）運行上述相同的過程。 請注意，截至 2012 年 4 月，UCSC 尚未將 bosTau6 基因組序列的 FASTA 文件拆分為單個染色體。 因此，基因測序機構(gòu)需要在retrieve_seq_from_fasta.pl命令中使用“-seqfile bosTau6.fa”，而不是“-seqdirowdb/bosTau6_seq”。 同樣，嘗試對 micMur1（Mouse Lemur）運行上述相同的過程，并注意使用 -seqfile 而不是 -seqdir。
練習(xí)：嘗試對 rn5（大鼠）或 dm6（果蠅）運行上述相同的程序。 同樣，用戶需要提供 FASTA 文件而不是 FASTA 目錄。
僅當(dāng) UCSC 中存在針對特定物種或特定構(gòu)建的基于基因的注釋時，上述過程才有效。 例如，如果您想在豬上使用 ANNOVAR，由于 RefSeq 基因和 UCSC Gene 不適用于豬，您必須使用 annotate_variation.pl --downdb -buildver susScr2 ensgene pigdb 代替，并使用 -dbtype ensgene 進行基于基因的分析 注解。
(責(zé)任編輯：佳學(xué)基因)
