一個關於對比（參考基因組）的弱智錯誤

在重複文章：AKAP95 regulates splicing through scaffolding RNAs and RNA processing factors. Nat Commun 2016 Nov 8;7:13347. PMID: 27824034中的工作時，用的是hisat2軟體做比對，比對指令碼如下：

for id in SRR35899{56,57,58，59,60,61,62};
do 
echo "Processin sample ${id}"
hisat2 -p 4 -x /trainee/home/amliang/reference/hisat2/hg19/genome -1 /trainee/home/amliang/data/clean/${id}.sra_1_val_1.fq.gz -2 /trainee/home/amliang/data/clean/${id}.sra_2_val_2.fq.gz -S /trainee/home/amliang/data/align/align2/${id}.hisat.sam
done
 

• 1
• 2
• 3
• 4
• 5

比對結果發現，除了SRR3589956,SRR3589957,SRR3589958三個樣本比對率較好，其餘樣本的比對率極低，大大超出了正常範圍，只有不到百分之十的比對率，如下圖：

圖中可以看出，SRR3589958的比對率達到97.12%，但SRR3589959的比對率就只有8.37%，低得有點離譜，我檢查了很多遍指令碼，確定沒錯，然後又谷歌了比對率過低相關問題，也各有各的說法，並不能解決問題，最後無奈，去看了下原文，發現，原來參考基因組搞錯了，只有前面三個樣本是人類，後面的都是小鼠的，
真是弱智一般的錯誤：

解決辦法：

然後，用小鼠的參考基因組索引比對了一下剩下的4個樣本，59~62

for id in SRR35899{59,60,61,62};
do 
echo "Processin sample ${id}"
hisat2 -p 4 -x /trainee/home/amliang/reference/hisat2/mm10/genome -1 /trainee/home/amliang/data/clean/${id}.sra_1_val_1.fq.gz -2 /trainee/home/amliang/data/clean/${id}.sra_2_val_2.fq.gz -S /trainee/home/amliang/data/align/align2/align3/${id}.hisat.sam
done
 

• 1
• 2
• 3
• 4
• 5

發現，比對率正常！

所以，處理資料的前提是搞明白實驗設計。

生信技能樹