用shell脚本实现转录组测序中 解压>质控>比对-计算基因表达量 一体化

其实我一直很纠结RNA-seq到底要不要去掉接头，去掉低质量的碱基，我以前写的脚本是没有去接头和低质量碱基的，刚好有一位朋友问我为什么不去掉接头，我自己也不明白然后就有了下面的脚本。。。

但是，在我问过老师后得知：在基因组拼接中，去接头和低质量碱基是需要的，但是在RNA-seq中，去接头还是标准操作，去除低质量的碱基可以不做

脚本如下：
其中Trimmomatic的参数可以自己设置，在这个脚本中，我只是去掉了接头

#!/bin/bash
##这个脚本需要的软件有：hisat2，SRA-toolkit，samtools，htseq-count  Trimmomatic Fastqc有兴趣的同学可以自己去下载并安装好，记得要配置好环境变量！
###脚本所用到的参考基因组可以从hisat2官网下载，参考基因组注释文件可以从gencode数据库下载
#脚本如下
#把sra文件都存放在Sra文件夹里面
#参考基因组和注释文件都在hg19文件夹里面
#qiujunhui [email protected]
mkdir Fastq_out #创建一个存放SRA-toolkit解压sra文件的输出文件夹
mkdir fasqtc_out #创建一个存放Fastqc质量检查的文件
mkdir Sam_out #创建一个存放用hisat2比对的输出文件夹
mkdir Sorted.bam #创建一个存放用samtools将sam文件排序的生成的bam文件的文件夹
mkdir Counts  #创建一个存放用HTseq-count计算基因表达量的输出文件夹
#批量解压文件
for i in ~/Sra/*sra
do
        echo $i
        #判断sra文件时单端测序还是双末端测序
        num=$(fastq-dump -X 1 --split-spot -Z $i | wc -l | grep [0-9])
        if [ $num -eq 4 ];then
                echo "$i是单端测序"
                fastq-dump $i
                mv ~/Sra/*fastq ~/Fastq_out
                #用fastqc和Trimmomatic进行质控
                for f in ~/Fastq_out/*fastq
                do 
                        echo $f
                        fastqc -o ~/fastqc_out --noextract $f
                done
                #用Trimmomatic去掉接头
                mkdir SE_trim_out #创建一个Trimmomatic的输出文件夹
                for x in ~/Fastq_out/*fastq
                do 
                        echo $x
                        g=$(echo $x | cut -d "." -f1)
                        java -jar ~/Biosofts/Trimmomatic-0.38/trimmomatic-0.38.jar SE -phred33 $x ~/SE_trim_out/$g_clean.fastq ILLUMINACLIP:/home/qiujh/Biosofts/Trimmomatic-0.38/adapters/TruSeq2-SE.fa:2:30:10
                done
                #用hisat2进行比对
                for k in ~/SE_trim_out/*_clean.fastq
                do
                        echo $k
                        a=$(echo $k | cut -d "." -f1)
                        hisat2 -p 5 -x ~/hg19/genome -U $k -S $a.sam
                        mv ~/Fastq_out/*sam ~/Sam_out
                done
        else
                echo "$i是双端测序！"
                fastq-dump --split-files $i
                mkdir 1Fastq_out
                mkdir 2Fastq_out
                mv ~/Sra/*_1.fastq ~/1Fastq_out
                mv ~/Sra/*_2.fastq ~/2Fastq.out
                #用fastqc和Trimmomatic进行质控
                for l in ~/1Fastq_out/*_1.fastq
                do
                        echo $l
                        fastqc -o ~/fastqc_out --noextract $l
                 done  
                 for m in ~/2Fastq_out/*_2.fastq
                 do 
                         echo $m
                         fastqc -o ~/dastqc_out --noextract $m   
                 done
                 #用Trimmomatic去掉接头
                 mkdir 1PE_trim_out#创建一个去除接头后存放forward链的文件夹
                 mkdir 2PE_trim_out#创建一个去除接头后存放reverse链的文件夹
                 for n in ~/1Fastq_out/*_1.fastq
                 do 
                        for o in ~/2Fastq_out/*_2.fastq
                        do 
                                p= $(echo $n | cut -d "_" -f1)
                                q= $(echo $o | cut -d "_" -f1)
                                if [ $p = $q ];then
                                       java -jar ~/Biosofts/Trimmomatic-0.38/trimmomatic-0.38.jar PE -phred33 $n $o ~/1PE_trim_out/$p_paired.fastq ~/1PE_trim_out/$p_unpaired.fastq ~/2PE_trim_out/$q_paired.fastq ~/2PE_trim_out/$q_unpaired.fastq ILLUMINACLIP:/home/qiujh/Biosofts/Trimmomatic-0.38/adapters/TruSeq2-PE.fa:2:30:10
                                fi
                        done
                done                   
                #用hisat2进行比对
                for j in ~/1PE_trim_out/*_paired.fastq
                do
                        for h in ~/2PE_trim_out/*_paired.fastq
                        do
                                b=$(echo $j | cut -d "_" -f1)
                                c=$(echo $h | cut -d "_" -f1)
                                if [ $b = $c ];then
                                        hisat2 -p 5 -x ~/hg19/genome -U -1 $j -2 $h -S $b.sam
                                mv ~/2Fastq_out/*.sam ~/Sam_out
                                fi
                        done
                done
        fi
done
#用samtools进行排序
for y in ~/Sam_out/*sam
do
        echo $y
        d=$(echo $y | cut -d "." -f1)
        samtools sort -n -@ 5 -o $d.bam $y
        mv ~/Sam_out/*bam ~/Sorted.bam
done
#用HTseq-count进行基因表达量计算
for z in ~/Sorted.bam/*bam
do
        echo $z
        e=$(echo $z | cut -d "." -f1)
        htseq-count -f bam -r name -s no -a 10 -t exon -i gene_id -m intersection-nonempty $z ~/hg19/gencode.v29lift37.annotation.gtf>$ecounts.txt
        mv ~/Sorted_bam/*.txt ~/Counts
done
#把不要的文件夹删除只留下counts文件夹
rm -rf ~/Sra
rm -rf ~/Fastq_out
rm -rf ~/1Fastq_out
rm -rf ~/2Fastq_out
rm -rf ~/Sam_out
rm -rf ~/Sorted.bam
rm -rf ~/1PE_trim_out
rm -rf ~/2PE_trim_out
rm -rf ~/SE_trim_out