(9)最开始入门的测试数据-生信菜鸟团博客2周年精选文章集
目录如下：研读橡胶的基因组文章-结果没有原始测序数据草莓基因组文章解读-并下载原始测序数据阅读文献下载原始reads之pacbio全基因组数据自学无参RNAseq数据分析第一讲之参考文献解读自学CHIP-seq第一讲之文献解读阅读文献并下载原始测序数据之helicos转录组数据阅读文献并下载原始数据知illumina的Chip-seq数据文章太多我就不一一复制张贴了，直接去我博客看吧：http://www.bio-info-trainee.com我本科的前两年在海南儋州读书，那时候旁边就是橡胶所，很多同学也在那边做毕业论文什么的，我一直以为那里是全世界的橡胶中心，所有的先进技术都在那里产生，结果，前些天跟一个橡胶所的老师聊天才发现，居然橡胶(Hevea brasiliensis)的基因组已经发表了，可是，跟橡胶所没有半毛钱关系，更搞笑的事情是，堂堂一个基因组文章居然发表在BMC这样的杂志，真不知道是基因组的年代已经过去了还是他们做的实在是太差了，反正我看不过去了，所以研读他们的文章，并且下载数据测试一下。文章地址如下:http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3575267/
可以看到它过于数据的描述都在补充材料1里面，所以我下载了补充材料。
可以看到所有的测序数据的描述，45个G的i llumina的200bp的双端测序，27个G的illumina的200bp的双端测序，约10G左右的长片段（8kb，20kb）罗氏454数据，最后还有一点点solid数据，它这样的测序策略好像是模仿的2011年发布的草莓基因组数据。但是补充材料里面没有列出下载地址，我有点困惑！按照道理我研读文献的步骤应该没有错，有可能是因为这个文章发表的杂志水平太低，所以不要求他们把测序原始数据上传到NCBI的SRA里面。或者是他们本身觉得文章发的不够档次，不想公布数据，所以先留着自己做精细分析，等发了大文章再公布原始数据。然后我在NCBI的SRA里面查找了关于橡胶的原始数据，果真没有
仅有的10个数据，都是别的小组做的RNA-seq的内容。De novo transcriptome analysis of abiotic stress responsive transcripts of Hevea brasiliensis.所以我只好找了他们所参考的草莓（strawberry, Fragaria vesca (2n = 2x = 14)，a small genome (240 Mb),）的文章，是发表是nature genetics上面的http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3326587/找橡胶测序数据无果所以我只好找了他们所参考的草莓（strawberry, Fragaria vesca (2n = 2x = 14)，a small genome (240 Mb),）的文章，是发表是nature genetics上面的http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3326587/可以看到它的SRA索取号。
草莓组装结果：Over 3,200 scaffolds were assembled with an N50 of 1.3 Mb .Over 95% (209.8 Mb) of the total sequence is represented in 272 scaffolds.草莓基因息：Gene prediction modeling identified 34,809 genes, with most being supported by transcriptome mapping.草莓染色体信息：Paradoxically, the small basic (x = 7) genome size of the strawberry genus, ~240 Mb,offers substantial advantages for genomic research.草莓来源：diploid strawberry F. vesca ssp. vesca accession Hawaii 4(National Clonal Germplasm Repository accession # PI551572).然后我去NCBI上面下载这三个数据SRA020125 共有四个数据：http://www.ncbi.nlm.nih.gov/sra/SRX030575[accn]Total: 4 runs, 4.7M spots, 2.6G bases, 5.5Gbhttp://www.ncbi.nlm.nih.gov/sra/SRX030576[accn] （3 KB PE）Total: 2 runs, 2.2M spots, 908.5M bases, 2.1Gbhttp://www.ncbi.nlm.nih.gov/sra/SRX030577[accn] （20KB片段）Total: 2 runs, 1.9M spots, 800M bases, 1.8Gbhttp://www.ncbi.nlm.nih.gov/sra/SRX030578[accn]Total: 3 runs, 4M spots, 2.2G bases, 4.6Gb挂在后台自动下载
好了，有了这些数据我们就要进行基因组的一系列分析啦！！！不过我们可以先看看他们这个研究小组的成果首先他们建造了一个关于草莓的基因组信息网站https://strawberry.plantandfood.co.nz/
跟我之前在水科院做鲫鱼鲤鱼的差不多直接在里面就可以下载他们做好的所有数据，也可以可视化。它的染色体如下，非常简单，就七条染色体
http://www.rosaceae.org/species/fragaria/fragaria_vesca/genome_v1.1我找到了它组装好的草莓基因组地址，用批处理全部下载了
这是我为新创办的 生信技能树 论坛写的帖子，也适合本博客，所以转载过来： http://www.biotrainee.com/thread-243-1-1.html以前做的都是有参转录组分析，只需要找到参考基因组和注释文件，然后走QC–>alignment–>counts->DEG–>annotation的流程图即可。现在开始学习新的东西了，就是无参转录组分析，这里记录一下自己的学习笔记，首先还是资料收集，这次，我就针对性的看5个 全流程化的转录组 de novo 分析 文章，如下：http://bmcgenomics.biomedcentral.com/articles/10.1186/1471-2164-15-554 2014年栀子花的花瓣衰老的标准de novo 转录组分析，数据如下：用Trinity做组装，用NCBI non-redundant (Nr) database库做注释，做了差异分析（栀子花花期分成4个阶段），GO/KEGG注释，然后做了RT-qPCR的实验验证。多做了一个 Clusters of Orthologus Groups (COG)的数据库注释Raw ReadsClean ReadsContigsUnigenesAnnotatedTranscriptome55,092,39650,335,672102,26357,50339,459http://bmcgenomics.biomedcentral.com/articles/10.1186/1471-2164-15-236 2014 巴西橡胶树的研究，是一个综合多组织样本的RNA库，ployT建库，454测序，用的是est2Assembly 和gsassembler 软件做组装，用 NCBI RefSeq, Plant Protein Database 做注释，因为没有分组，所以不必做差异分析，只需要找SNV和SSR标记即可，最后也是做GO/KEGG注释https://bmcgenomics.biomedcentral.com/articles/10.1186/s12864-016-2633-2 2015 萝卜，用illumina进行转录组测序，用Trinity组装，用RPKM值算unigene的表达量，也是用 BLASTx来对Trinity结果进行注释，注释到NR，NT,Swiss-Prot,GO，COG，kegg数据库，其中GO注释用的是Blast2GO，最后也做了RT-qPCR 实验验证，某些基因在leaf里面的表达量显著高于其它tissue，有原始数据：http://www.ncbi.nlm.nih.gov/sra/?term=SRX1671013转录组分析结果结果：A total of 54.64 million clean reads and 111,167 contigs representing 53,642 unigenes were obtained from the radish leaf transcriptome.http://www.nature.com/articles/srep08259 2015 芹菜 叶片发育中木质素的探究，测序的reads是A total of 32,477,416 quality reads were recorded for the leaves at Stage 1, 53,675,555 at Stage 2, and 27,158,566 at Stage 3, respectively.，也是用Trinity组装，kmer值设为25，组装结果：33,213 unigenes with an average length of 1,478 bp, a maximum length of 17,075 bp, and an N50 of 2,060 bp，然后用eggNOG/GO/KEGG数据库来注释。文章正文给了所用到的软件和数据库的详细链接最后还用了 real-time PCR assays 来看 roots, stems, petioles, and leaf blade 这些组织的基因表达差异情况http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0128659 对 三疣梭子蟹 的卵巢和睾丸的转录组研究，，也是标准的转录组de novo 分析流程，非常值得借鉴NCBI有上传原始数据：SRR1920180 和SRR1920180总结好这5篇文献的数据分析流程，就差不多明白如何做无参的转录组de novo分析了