BSgenome构建新的参考基因组
2017-10-21 17:18阅读：
BSgeome自己有很多构建好的基因组，但是有时候我们需要自己构建基因组的信息。
参考文档：
https://www.bioconductor.org/packages/devel/bioc/vignettes/BSgenome/inst/doc/BSgenomeForge.pdf
现在输入的文件是下载的dm6.fa,里面有果蝇的基因组的参考序列信息
####前期工作，在linux下工作
#（1）trans
fa to twoBit formate.
BSgeome不识别fa的格式.
需要下载ucsc的faToTwoBit工具。
#下载地址：http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/faToTwoBit
faToTwoBit dm6.fa dm6.2bit
##（2
pan >）获得每一条染色体的名字
less -S dm6.fa | grep '>' |awk '{print $1}' | sed 's/^>//g'
>dm6.chromName.txt
#程序的关键是seed文件，参考已有的seed修个seed格式的文件。根据参考文档第四页的2.2
Prepare the BSgenome data packages seed file.
#修改,给出序列的文件名，比如
seqfile_name: dm6.2bit
##找出线粒体的名字，在seed文件中的
添加<</span>线粒体>的名字，并且手动删除dm6.chromName.txt中的<</span>线粒体>名字
#####R中的工作。
library(BSgenome)
#读取前面构建的染色体名字的文件，注意
seqnames应该和seed文件中的关键字一致
seqnames=read.table('dm6.chromName.txt')
seqnames=as.character(seqnames$V1)
#染色体名有<211000022280427>,这种纯数字的，这种chr是不能识别的
seqnames1=seqnames[grep('^211',seqnames,invert=T)]
#给出seed文件
dm6_seed='BSgenome.Dmelanogaster.Ensemble.dm6-seed'
#seqs_srcdir;destdir 序列文件所在以及输出的位置
forgeBSgenomeDataPkg(dm6_seed, seqs_srcdir=getwd(),
destdir=getwd(), verbose=TRUE)
forgeBSgenomeDataPkg(dm6_seed, verbose=TRUE)
##参考 说明文档2.3
构建R包。
R CMD build BSgenome.Dmelanogaster.Ensemble.dm6
R CMD check BSgenome.Dmelanogaster.Ensemble.dm6_1.4.2.tar.gz
R CMD INSTALL
BSgenome.Dmelanogaster.Ensemble.dm6_1.4.2.tar.gz
#大功告成。可以欢快的用
BSgenome.Dmelanogaster.Ensemble.dm6
这个自己构建的包了。
附上我自己写的seed文件，成功的关键就是seed文件的设置，需要理解里面的参数。
Package: BSgenome.Dmelanogaster.Ensemble.dm6
Title: Full genome sequences for Drosophila melanogaster (Ensemble
version dm6)
Description: Full genome sequences for Drosophila
melanogaster(furitfly) as provided by Ensemb
le (dm6, Nov. 2004) and stored in Biostrings objects.
Version: 1.4.2
organism: Drosophila melanogaster
common_name: Furitfly
provider: Ensemble
provider_version: dm6
release_date: Nov. 2004
release_name: Baylor College of Medicine HGSC v3.4
#source_url:
http://hgdownload.cse.ucsc.edu/goldenPath/rn4/bigZips/
organism_biocview: Drosophila_melanogaster
BSgenomeObjname: Dmelanogaster
#seqnames: paste('chr', c(1:20, 'X', 'M', 'Un', paste(c(1:20, 'X',
'Un'), '_random', sep='')),
sep='')
#seqnames: set the sequence names in R first: seqnames_all
seqnames: seqnames1
circ_seqs:
'dmel_mitochondrion_genome'
#SrcDataFiles: chromFa.tar.gz from
http://hgdownload.cse.ucsc.edu/goldenPath/rn4/bigZips/
#seqs_srcdir:
/fh/fast/morgan_m/BioC/BSgenomeForge/srcdata/BSgenome.Rnorvegicus.UCSC.rn4/seqs
#seqfile_name: the full of sequence name
seqfile_name: dm6.2bit
