RNA-Seq raw2fpkm pipeline (snakemake)

前几天，帮师妹分析转录组数据，由于她只需要FPKM，并且我刚好在学snakemake，就试着用 snakemake 写了一个简单的从 raw data 到 FPKM 的流程。

snakemake简介：

snakemake是一款基于python3的软件
snakemake的主要功能是快速搭建分析流程
官方网址

snakemake优势：

支持并行运算
支持断点运算
支持流程控制
支持内存控制
支持CPU核心控制
支持运行时间控制
支持。。。。。。

anaconda 安装 snakmake

查看环境
conda info --envs
创建 python3 环境
conda create -n py3 python=3
激活 py3 环境
conda activate py3
安装 snakemake
conda install snakemake -y
退出环境
conda deactivate

raw2fpkm pipeline (trim_galore -> hisat2 -> samtools -> stringtie)

raw data filter by trim-galore
clean data mapping with hisat2
mapping result sort as BAM
quantify with stringtie

raw2fpkm.py 脚本，如下：

id={"874","898","908","970","971","972","974","976","978"}
hisat2_index="~/reference/G.barbadense/zju_v1.1/index/hisat2/zju"
annotation_gff="~/reference/G.barbadense/zju_v1.1/Hai7124_V1.1.Gene.gff"

rule all:
    input:
        expand("03.align/SRR8089{id}_hisat_sorted.bam"),
        expand("04.quantify/SRR8089{id}.exp.gtf"),
        expand("04.quantify/SRR8089{id}_fpkm.txt")

rule trim_galore:
    input:
        "01.raw/SRR8089{id}_1.fastq.gz",
        "01.raw/SRR8089{id}_2.fastq.gz"
    output:
        "02.clean/SRR8089{id}_1_trim.fastq.gz",
        "02.clean/SRR8089{id}_2_trim.fastq.gz"
    log:
        "02.clean/SRR8089{id}_trim.log"
    shell:
        "trim_galore -q 25 --phred33 --length 50 -e 0.1 --stringency 5 \
        -o {output[0]} {output[1]} {input[0]} {input[0]} > {log} 2>&1"

rule hisat2:
    input:
        "02.clean/SRR8089{id}_1_trim.fastq.gz",
        "02.clean/SRR8089{id}_2_trim.fastq.gz"
    output:
        "03.align/SRR8089{id}_hisat.sam"
    log:
        "03.align/SRR8089{id}_hisat.log"
    shell:
        "hisat2 -p 30 -x {hisat2_index} -1 {input[0]} -2 {input[1]} -S {output[0]} > {log} 2>&1"

rule bam2sam:
    input:
        "03.align/SRR8089{id}_hisat.sam"
    output:
        "03.align/SRR8089{id}_hisat.bam"
    shell:
        "samtools view -b -S -h -@ 20 {input[0]} > {output[0]}"

rule bam_sort:
    input:
        "03.align/SRR8089{id}_hisat.bam"
    output:
        "03.align/SRR8089{id}_hisat_sorted.bam"
    shell:
        "samtools sort -@ 20 -o {output[1]} {input[0]} "

rule bam_index:
    input:
        "03.align/SRR8089{id}_hisat_sorted.bam"
    output:
        "03.align/SRR8089{id}_hisat_sorted.bam.bai"
    shell:
        "samtools index {input[0]} > {output[1]}"

rule stringtie:
    input:
        "03.align/SRR8089{id}_hisat_sorted.bam"
    output:
        "04.quantify/SRR8089{id}.gtf",
        "04.quantify/SRR8089{id}.exp.txt"
    log:
        "04.quantify/SRR8089{id}_quantify.log"
    shell:
        "stringtie -e -B -p 27 -G {annotation_gff} -o {output[0]} -A {output[1]} {input[0]} > {log} 2>&1"

rule fpkm:
    input:
        "04.quantify/SRR8089{id}.exp.txt"
    output:
        "04.quantify/SRR8089{id}_fpkm.txt"
    shell:
        "sed 's//_/g' {input[0]} | awk '{print $1'\t'$9}' > {output[0]}"

snakemake 的运行：
$ snakemake -s raw2fpkm.py -n -p # 查看是否有逻辑错误，并打印每一步的命令行
$ snakemake -s raw2fpkm.py --dag | dot -Tpdf > raw2fpkm_dag.pdf # 生成流程的逻辑拓扑图

1554707436(1).jpg

$ snakemake -s raw2fpkm.py -p -j 9 # 运行 snakemake，其中 -j 为调用核心数
$ snakemake -s raw2fpkm.py --ri # 断点运行

生信初学，抛砖引玉，snakmake更具体的用法请查看官网。

参考来源：
https://www.bilibili.com/video/av45832590
https://www.bilibili.com/video/av15908415
https://www.bilibili.com/video/av47588837/