跳到主要內容

發表文章

目前顯示的是有「定序分析」標籤的文章

心血來潮的定序分析:Linux安裝

我想嘗試的 ChIP-seq 分析流程是這樣的: 取得需要的定序資料:從 GEO Dataset 下載 把載來的打包檔案 (.sra) 轉換成可分析的原始資料 (.fastq):使用 SRAToolKit 確認定序品質: FastQC 排除品質不佳的資料: FastX Toolkit 將定序結果對應到參考的基因組上: Bowtie 2 整理對應完成的資料: BEDTools 尋找訊號峰值(是說中文維基百科上 這個條目 竟然就直接用英文上了): MACS 依樣畫葫蘆的過程中發現,啊呀 FastX Toolkit 、 BEDTools 還有 MACS 都要在 UNIX-like 系統上才能執行,原因我也沒去深究,用現成的工具也不能挑剔這個吧。 所以只好試著 Linux 一下了,這次嘗試我選擇在 Virtualbox 虛擬機器裡安裝長期支援版本 ( Long term support, LTS )的 Ubuntu Server ,過程跟平常重灌電腦沒有太大差異,也不難找到 流程教學 。 選擇用 Virtualbox + Ubuntu 的理由很簡單:大家用什麼我就跟著用,碰到問題的時候能夠從 無窮之海的集體意志 找到答案的機會大一點。 在安裝的過程當中如果Virtulbox不讓你裝 64 位元版的 Linux ,那可能是 虛擬化 功能沒有啟動,可以尋找一下符合你使用電腦的 教學 來啟動這個功能。由於 32 位元的作業系統只認得最多 2 GB 記憶體,在動輒就用掉 5 GB 以上的定序世界是沒有 32 位元的生存空間的。 OK ,到了這裡安裝應該也差不多完成了,如果你好奇為什麼裝 Ubuntu Server 而不是 Desktop 版本,那是因為接下來用上的工具反正沒有圖形介面,不想裝用不上的桌面介面 ,而且直接對著命令列下指令感覺比較帥。 說到命令,很多人到這裡可能會對不熟悉的介面過敏起疹子之類的,不過說真的扣掉工具本身 靠複製貼上可以解決的 指令,只會幾個指令也能活得很好的。

心血來潮的定序分析:起手配裝篇

任何人有五百萬(定序深度)都可以參加慈善論文王大賽 想不到和電腦差不多,全基因組分析在生命科學所扮演的角色在數年之間從最新最炫最頂尖,直教人傾家盪產也玩不起的奢侈品成了如果負擔得的起的話就該來上一點的錦上添花,如果單看幾家豪門期刊,甚至都要有些標準配備的味道了。 這類的研究看多了就有些好奇除了作者們注重的結果之外的其他地方究竟是什麼樣子。畢竟全基因組的賣點就在全面嘛,光是秀個相關係數分布圖說「大部分都沒差啦」然後就開始花式特寫想講的東西,感覺就像是看旅遊生活頻道那樣沒到現場去總覺得有些空虛寂寞又遺憾。 可是次世代定序資料它比起相對好理解的微陣列分析,方法本身已經比較抽象,又搭配上花樣百出的免疫沉澱或者鹼基配對之類就更讓人眼花撩亂了。以前雖然屢屢有進大觀園的念頭,但這一類沒有明確的目的、只是想學點新東西的念頭在懶病下的平均壽命大概只有一天。 不過俗話說得好,懶能載舟亦能覆舟,最近因為手上的題目鬼打牆,其中一部分的線索或許可以在 GEO Dataset 裡面翻出來,當然想知道的事定序的原作者都沒提到 是說有提到的話我也不用做了 ,只好自己動手到別人的資料裡撈東西,畢竟這總比自己重做來得輕鬆 又便宜 。 這一動手不禁感到十足困擾,網路上能找到台灣的相關資料不太多,即使有也不少是展示性質的要嘛太細節、要嘛魔法一般;換用英文看倒也不是不行,不過英文資料又是千頭萬緒,找什麼都有,就是沒個起點可以下手;最後呢,能接受的指南竟然是在日文找到的 1 。 跟著跑完一次流程之後,我決定留個紀錄給自己備查,也或許有天會幫到打算以一種 IKEA 的氣勢來自家烘焙定序資料而開始 Google 的人,預設的目標是能對已發表的定序資料用現成的工具做一些探索。 那麼,就讓我們開始吧,在那之前首先低頭望向電腦: 你扛得住定序分析嗎? 因為 Linux 平台可以使用的現成工具資源比較完整,所以用虛擬機器來跑 Linux 做分析是不錯的選擇,目前嘗試中的幾個重要數字是這樣的,請自行估算分析資料的規模和可以忍受的耗時。 在分析 ChIP-seq 的時候,最瓶頸的時間大概是把定序片段對回參考基因組的步驟 2 ,一千萬個讀數 (reads) 的原始 .fastq 檔案使用 Bowtie2 來做排列的時間大約是: 一百個小時 (Core i5 2500 @ 3.30 G...