生信分析学习笔记 - RNAseq (六)FeatureCounts

声明:本文部分内容和部分图片来源于网络。本文为生信小白学习笔记,不能保证专业名词和内容全部正确或权威。       

       下图为某一条RNAseq从数据预处理,序列回帖到数据可视化的工作流程,包含了较多的软件(Linux环境运行)和若干个包(R语言环境运行),本系列将按下图,对每一个步骤进行学习和理解。

某RNAseq分析流程

FeatureCounts

FeatureCounts是一款超快速准确读段总结程序。

FeatureCounts是一款高度有效通用的读段总结程序,可针对不同基因组特征(例如,基因,外显子,启动子,基因体,基因组箱(*)和染色体位置)将已比对的读段进行计数。该程序可用来对RNAseq和基因组DNAseq读段进行计数。

输入与输出

FeatureCounts使用SAM/BAM文件以及一个注释文件(包括feature的染色体坐标)作为输入。程序会输出比对上不同feature(或多个feature)读段的数量。同时,程序也输出对总体总结结果的统计信息,包括成功比对的读段数和因不同原因未能成功比对的读段数。

注释文件应该以GTF格式或简化版的SAF文件作为输入。格式如下所示:

GeneID Chr Start End Strand

497097 chr1 3204563 3207049 -

497097 chr1 3411783 3411982 -

497097 chr1 3660633 3661579 -

Features和meta-features

所提供注释文件每一个条目都可视为一个feature(或外显子)。meta-feature是一组feature(或基因)的聚合。FeatureCounts使用在GTF文件中可获得的gene_id属性使不同feature分组到meta-feature中,也就是说,属于相同的meta-feature的不同feature拥有相同的基因id。

FeatureCounts能在每一个feature水平或meta-feature水平对reads进行计数。当在meta-feature水平总结读段时,对包含于相同meta-feature的features获取的读段计数将会被相加在一起,以生成相应meta-feature的读段计数。

读段与features的重叠

如果至少一个读段base被发现与feature重叠,该读段就与一个feature重叠。对双端测序数据,如果该碎片中两个读段中的任何一个被发现与feature重叠,该片段就被视为与该feature重叠。

默认情况下,FeatureCounts不会对与超过一个feature(或一个meta-feature)重叠的读段在相应水平进行计数。使用者能够使用 -O 选项命令FeatureCounts以计数此类读段(它们将会被分配给所有重叠的feature或meta-feature)。

需要注意的是,当在meta-feature水平进行计数时,与多个属于相同meta-feature的feature重叠的读段将总是被该meta-feature计算一次,使得对任何其他meta-feature没有重叠。

部分计数举例

使用5个线程总结单端读段数据:

featureCounts -T 5 -t exon -g gene_id -a annotation.gtf -o counts.txt mapping_results_SE.sam

总结BAM格式数据:

featureCounts -t exon -g gene_id -a annotation.gtf -o counts.txt mapping_results_SE.bam

同时对多个数据进行总结:

featureCounts -t exon -g gene_id -a annotation.gtf -o counts.txt library1.bam library2.bam library3.bam

FeatureCounts常用参数

-a # 输入GTF/GFF基因组注释文件(annotation file)

-F # 指定区间注释文件的格式,默认是GTF

-o # 输出文件:可输出raw counts的txt文本及raw counts的summary文本

-p # 针对paired-end数据

-g # 指定统计的meta-feature名称,默认是gene_id

-t # 指定统计的feature名称, 默认是exon

-T # 指定线程数

featureCounts的结果解析

Geneid:基因的ensemble基因号;

Chr:多个feature所在的染色体编号;

Start:多个feature起始位点,与前面一一对应

End:多个feature终止位点,与前面一一对应

Strand:正负链

Length:基因长度

sampleID:一列代表一个样本,数值表示比对到该基因上的read数目

MultiQC可以将多个FeatureCounts分析结果结合在一个网页文件,方便进行评估。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,711评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,932评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,770评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,799评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,697评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,069评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,535评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,200评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,353评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,290评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,331评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,020评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,610评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,694评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,927评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,330评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,904评论 2 341

推荐阅读更多精彩内容