Linux:转录组分析1-建立工作目录
原创Linux:转录组分析1-建立工作目录
原创
不会写代码的医学生
发布于 2024-03-26 21:00:36
发布于 2024-03-26 21:00:36
转录组测序分析
本笔记主要是针对转录组测序分析专题上游分析，需要有Linux基础知识，目标是养成一个良好的分析习惯，熟悉转录组分析上游流程，重点是针对分析的结果能有自己的思考和解读能力。
wget <URL>
axel -n 100 <URL>1.工作目录管理
这一部分非常非常非常重要，拥有一个优秀的工作习惯比什么都重要
1.1 目录一览
## 示例如下：
├── database # 数据库存放目录，包括参考基因组，注释文件，公共数据库等
├── project # 项目分析目录
└── Human-16-Asthma-Trans #具体项目
├── data # 数据存放目录
│?? ├── cleandata # 过滤后的数据
?? │ ├── trim_galore # trim_galore过滤
?? │ └── fastp # fastp过滤
│?? └── rawdata # 原始数据
├── Mapping # 比对目录
│?? ├── Hisat2 # Hisat比对
│?? └── Subjunc # subjunc比对
└── Expression # 定量
├── featureCounts # featureCounts
└── Salmon # salmon定量
1.2 详细命令
# 进入到个人目录
cd ~
## 1.建立数据库目录：在数据库下建立参考基因组数据库，注意命名习惯：参考基因组版本信息
mkdir -p database/GRCh38.105
## 2.建立项目分析目录
mkdir project
cd project
mkdir Human-16-Asthma-Trans # 注意项目命名习惯：物种-样本数-疾病-分析流程
cd Human-16-Asthma-Trans
# 建立数据存放目录
mkdir -p data/rawdata data/cleandata/trim_galore data/cleandata/fastp
# 建立比对目录
mkdir -p Mapping/Hisat2 Mapping/Subjunc
# 建立定量目录
mkdir -p Expression/featureCounts Expression/Salmon
# 查看整个分析目录准备结构
tree
├── data
│?? ├── cleandata
│?? ├── trim_galore
│?? └── fastp
│?? └── rawdata
├── Expression
│?? ├── featureCounts
│?? └── Salmon
└── Mapping
├── Hisat2
└── Subjunccd $HOME/project/Human-16-Asthma-Trans/data/rawdata
ln -s /home/t_rna/data/airway/fastq_raw25000/*gz ./
#将数据软连接到自己的目录下
- 双端测序，3个样本，因为是压缩的（.gz压缩后缀）做分析时要解压
引用自生信技能树课程
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录