IGV 导入本地基因组及注释文件

点击上方关注“公众号”

• IGV 软件有 自带的基因组文件和注释文件 ，使用自带的还是方便一些。但是，其使用的注释文件和基因组文件可能与我们数据分析时的不一致，这时候我们可视化 bigwig 文件或者 bam 文件时可能就有问题了。
• 其次， 基因组更新是比较慢 的，但是 注释文件更新的很快 ，越来越多的新基因被鉴定出来，添加到注释文件里，注释文件就会有越来越多的新版本。
• 推荐使用对应基因组版本的最新注释文件，这样得到的信息会更全一些。

有时候你用自己下载的 GTF 文件去定量后，在 IGV 里却找不到这个基因，这就是注释文件差异的问题。IGV 使用的注释文件好像时 UCSC 数据库的，所以载入自己的 GTF 文件才会准确一点。

今天就来总结一下 如何用 IGV 载入自己的基因组和注释文件 。

1、下载基因组和注释文件

我们去 ensembl 数据库下载：

左侧下载基因组，右边下载注释文件：

进去下载：Mus_musculus.GRCm39.dna.primary_assembly.fa.gz 和 Mus_musculus.GRCm39.104.gtf.gz 然后解压：

2、给基因组建索引

我们需要给下载的基因组建立索引，打开 IGV 软件，使用 igvtools 小工具：

选择 Index，然后导入基因组文件，点击 run 就行了：

然后文件夹就会多一个 fai 结尾 的索引文件：

3、给注释文件排序、建索引

注释文件同样也需要建索引，不过在此之前需要 先排一下序，点击 igvtools 的 sort，导入注释文件点击 run 即可：

文件夹会产生一个 .sorted.gtf 后缀的排序好的 gtf 文件，我们再导入这个进行建索引：

4、导入文件

上面准备工作做完了，我们接下来在 IGV 里导入基因组文件和排序好的 GTF 文件 ，记得先导入基因组文件！ ：

再导入 GTF 文件：

随便查看几个基因结构：

可以看到每个基因都会有一条深蓝色的条形结构，其实只是 gtf 文件每个基因的结构，即：该基因的起始位置一直到终止位置。而下面的才是真正的转录本结构。

如果你有强迫症，不想让它们显示，可以在 linux 里把这些含 gene 对的行给去掉，再重新导入就没有了，记得重新建索引 ：

$ less -S Mus_musculus.GRCm39.104.sorted.gtf | grep -w -v "gene" > no.gene.gtf

建完索引后再导入：

这样就没有了，我们看看序列，挑个起始密码子：

5、导出基因名和位置信息

如果我们使用 IGV 自带的注释文件，我们是可以根据基因名进行搜索的，但是加载自己的注释文件则不可以，只能根据位置进行查找，所以做一个含有基因名和位置信息的文件方便我们查找：

查看有多少个基因：

$ less -S Mus_musculus.GRCm39.104.sorted.gtf | grep -w "gene" |wc -l
55416

差不多 5 万多个基因，我们把位置信息和基因名提取出来：

$ less -S Mus_musculus.GRCm39.104.sorted.gtf 
  | grep -w "gene" 
  |awk '{print "chr"$1"t"$4"t"$5"t"$14}' 
  |sed 's/["|;]//g' 
  > gene.info.xls

结果：

我们直接在 excel 里搜到感兴趣基因，然后复制前 3 列到 IGV 里直接查找回车就行了：

查找结果：

6、另一种办法

其实不同数据库的基因组版本基本是一样的，我们关注的主要是注释文件的差异，所以我们 默认使用 IGV 软件自带的基因组和注释文件 ，然后导入自己的 GTF 注释文件就行了：

输入基因名可以自动检测：

导入注释文件：

更多的基因：

欢迎加入生信交流群。加我微信我也拉你进 微信群聊 老俊俊生信交流群 哦,代码已上传至QQ群文件夹。

群二维码：