导言

RiboDetector 是基友老邓的作品，主要特点是超快速，超准确去除测序数据中的rRNA。目前该软件应是审稿修回阶段。正好，一个师妹的课题要做微生物数据分析，便让其学习一下，流程部署起来，方便后续项目开展。整体上，这个推文是直接cp师妹的CSDN博客。尽管其中还有不少错漏，但对于一个接触数据分析不到几天的人来说，进展还可以。放上来，欢迎大伙一起讨论学习。同时，推荐大伙了解下 RiboDetector ，马上就是一个大作发表。-- CJ

前言

RiboDetector是一款用于从宏基因组、宏转录组和ncRNA测序数据中准确而快速地检测和去除rRNA序列的软件。它是基于LSTMs开发的，并针对GPU和CPU的使用进行了优化，与当前最先进的软件相比，在CPU上实现了10倍的运行速度，在GPU上实现了50倍的运行速度。此外，它非常准确,错配率降低了了约10倍.最后，它对所有GO富集功能组都具有低水平偏向性。

这个软件是我做的第一个生信操作，刚开始感觉无从下手，只有真正上手才会比较容易，当师兄说我已经运行成功了时，开心不言而喻。非常感谢师兄的指导！也很谢谢课题组其他成员不厌其烦的回答我的低级问题。希望自己能慢慢学，坚持下去！

以下是我的安装使用流程：

1.运行前的准备（安装anaconda和python3.8）

下载anaconda ,通过清华大学镜像网站

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.11-Linux-x86_64.sh

解压，安装anaconda

sh Anaconda3-2020.11-Linux-x86_64.sh

一路回车，yes,默认安装，将anaconda安装到/home/qi_zheng/rrRNA/anaconda

进行环境变量修改

vim ~/.bashrc

发现已经自动进行了环境变量修改,所以直接执行bashrc

source ~/.bashrc

查看conda自带的python版本

python

因为符合需要的3.8版本，所以不需要再安装新的 python3

2.下载RiboDetector文件

使用git命令下载RiboDetector文件

git clone https://github.com/hzi-bifo/RiboDetector.git

下载完成后，根据readme说明进行安装

conda create -n ribodetector python=3.8

出现以下错误，百度后发现是镜像下载问题

根据百度的结果，进行修改

vim ~/.condarc#删除-default，并且将https改成http

继续安装

conda create -n ribodetector python=3.8

安装成功

3.根据说明书运行RiboDetector

激活

conda activate ribodetector

根据说明书安装一些包

pip install tqdm numpy pandas biopython#如果是在CPU中运行，需要多安装一个包pip install onnxruntime

安装pytorch时，需要去pytorch官网(https://pytorch.org/get-started/locally/)，选择相对应的pytorch版本

pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

安装成功后，传输Raw.N3_2_1.fq.gz(待检测的序列）文件，并解压

gzip -d Raw.N3_2_1.fq.gz

根据说明书运行detect_cpu.py

cd /home/qi_zheng/rrRNA/RiboDetectorpython3 detect_cpu.py -l 150 -i /home/qi_zheng/rrRNA/Raw.N3_2_1.fq -o /home/qi_zheng/rrRNA/result

detect_cpu.py 参数详解

使用方法: detect_cpu.py [-h] [-c CONFIG] -l LEN -i [INPUT [INPUT ...]] -o [OUTPUT [OUTPUT ...]] [-r [RRNA [RRNA ...]]] [-e {rrna,norrna,both,none}] [-t THREADS] [--chunk_size CHUNK_SIZE] [-v]

核糖体rRNA检测器

选项与参数： -h, --help ：显示帮助信息并退出 -c CONFIG, --config ：配置 -l LEN, --len LEN ：测序读长，不能少于50 -i [INPUT [INPUT ...]], --input [INPUT [INPUT ...]] 后面接输入序列文件（fasta或者fastq)的路径，如果是两个文件，第二个文件被认为第二端 -o [OUTPUT [OUTPUT ...]], --output [OUTPUT [OUTPUT ...]] 删除rRNAs后输出序列文件的路径(文件数量与输入相同)（注:gz文件要慢2倍) -r [RRNA [RRNA ...]], --rrna [RRNA [RRNA ...]] 检测到的rRNA配置文件的输出路径 -e {rrna,norrna,both,none}, --ensure {rrna,norrna,both,none} 只输出可信度高的某些序列 norrna:输出可信度高的非rRNAs，尽可能多地去除rRNAs; rrna: 反之，输出具有高可信度的rRNAs both: 输出具有高可信度的非rRNAs和rRNAs;

none: 根据读对的平均概率给出标签(只适用于双端测序paired end reads，当他们的预测不一致时会舍弃read pair)

-t THREADS, --threads THREADS : 读对要使用的线程数。(默认参数:10) --chunk_size CHUNK_SIZE

Chunk_size * threads读取每个线程的进程。(默认:256) 当chunk_size=1024, threads=10时，每个进程将加载1024次读取，总共消耗10G内存。

-v, --version :显示程序的版本号并退出————————————————

使用方法: detect_cpu.py [-h] [-c CONFIG] -l LEN -i [INPUT [INPUT ...]] -o [OUTPUT [OUTPUT ...]] [-r [RRNA [RRNA ...]]] [-e {rrna,norrna,both,none}] [-t THREADS] [--chunk_size CHUNK_SIZE] [-v]