Hisat2 | 又要搞事情了~ 在Window / MacOS下跑回帖转录组数据 ~

写在前面

故事一

最近，带着一个师弟搞合作课题，期间发现，基因结构注释矫正非常重要。错误的基因结构注释会引发错误的判断，从而甚至错失一些课题故事亮点。（当然，我们有我之前写的IGV-sRNA和IGV-GSAme，分分钟搞定)。很久很久以前，我基于IGV源码个性化开发了IGV-GSAme，目的就是快速矫正基因结构注释，更或者一边挖生物学故事，一边矫正基因结构注释。开展这一部分工作的前提是依赖转录组测序数据回帖文件，就是SAM/BAM。
可以说，这是我一直不爽的事情，难道不能让所有人都可以自己回帖，自己矫正数据吗？

故事二

前面，调用 Kallisto，我已经搞定了RNAseq数据分析，从测序原始数据（甚至是SRA）文件到表达量以及Read Counts 的界面化，所有人，只要用的是 Windows 或 MacOS 系统，都可以轻松完成。再借助 TBtools 老铁用户们贡献的 R Plugins，可以说，差异表达分析，富集分析，也全了。我自认为，几乎完美！
但这个仍旧美中不足，为什么？因为 Kallisto 只是真mapping，而“假”比对。无论怎么说，他的准确程度严重依赖于基因结构注释。换句话说，尽管趋势没啥问题，数值偏差不大，但偏差并不会消失。要尽可能准确，还是得Align，而不是 Quant。

一切一切，让我很不爽！搞个基因结构注释矫正，就那么难？不能让所有人都搞得了吗？

当然不是！

“山重水复疑无路，生信分析 TBtools！”，花了一点点时间，先搞了第一步，Hisat2-build，即索引构建。
我们很清楚，对于转录组回帖软件来说，索引构建总是比回帖时需要占用的内存大得多。只要能构建索引（或者下载到别人构建好的索引），那就可以回帖。
于是，TBtools 又增加了一个插件！（本帖预告）
在Windows下，4G内存的PC，测试索引构建，完美！

在MacOS下，VMware虚拟机，4G内存，测试香蕉基因组的索引构建，完美！

大概花了 15 min。
怎么说呢？这里有一个 Trick 的地方。索引构建其实可以通过插入剪切位点位置和外显子位置，搞得需要非常高的内存，以至于人类基因组就需要上百G。但这类索引则一般更适合在成熟的物种上，比如模式生物。这就有趣了，因为模式生物的Hisat index，直接去官网下载构建好的就行了。对于非模式生物，其实已知注释本来就不准，那么插入就几乎不存在意义。常规模式挺好~
于是，剩下的就是下一步，Hisat-align ~

写在后面

假期更是忙碌，
那么这个车开不开？车票定多少合适呢？