RNA-seq：最长转录本提取

导读

本文将介绍为什么要提取最长转录本，以及如何从 fasta和gff3文件中提取最长转录本。

1. Why

由于可变剪切的存在，通常一个基因可以转录为多个转录本。但是如果将多个转录本同时进行分析，那么分析会因此受到影响。所以，目前的解决办法是，选取一个最具代表性的转录本（最长转录本）来进行分析。

2. 获取方式

1. 从序列文件中（FASTA）提取
2. 从基因结构注释信息文件（GFF）中提取

3. 用法

• 安装GetTransTool^[1]

pip install GetTransTool -i https://pypi.tuna.tsinghua.edu.cn/simple

• 从GENCODE fasta文件中提取最长转录本

GetLongestTransFromGencode --file example.fa.gz --outfile longest_trans_gencode.fa

# --file 序列文件
# --outfile 输出文件

• 根据GFF文件（gencode/ensembl/ucsc ）提取最长转录本

GetLongestTransFromGTF --database ensembl --gtffile example.gtf.gz --genome example.fa.gz --outfile longest_trans_ensembl.fa

# --database 基因组注释时，选择的数据库
# --gtffile  注释文件
# --genome 基因组序列文件
# --outfile 输出文件

• 从GENCODE fasta文件中提取最长CDS

GetCDSLongestFromGencode --file example.fa.gz --outfile longest_cds_trans_gencode.fa

# --file 序列文件
# --outfile 输出文件

• 根据GFF文件（gencode/ensembl/ucsc ）提取最长CDS

GetCDSLongestFromGTF --database ensembl --gtffile example.gtf.gz --genome example.fa.gz --outfile longest_trans_ensembl.fa

# --database 基因组注释时，选择的数据库
# --gtffile  注释文件
# --genome 基因组序列文件
# --outfile 输出文件

• 最长转录本，输出结构示例：

• 最长CDS，输出结构示例：

4. code

代码过长，下面只展示部分。

参考资料

[1]

GetTransTool: https://github.com/junjunlab/GetTransTool