tophat的用法

Posted 2020-09-26 一周一paper，一周一技术

概述：tophat是以bowtie2为核心的一款比对软件。

 

tophat工作分两步：

1.将reads用bowtie比对到参考基因组上。

2.将unmapped-reads打断成更小的fragments，比对到参考基因组上，如果比对成功，建立剪切点。

 

用法：tophat [options]* <index_base> <reads1_1[,…,readsN_1]> [reads1_2,…readsN_2]

 

 <index_base>：参考基因组的index文件的具体目录，例如，index文件存放在当前目录下的index文件夹，文件的名字是hg19.*.*, index数据的文件应该是：./index/hg19，不用写到./index/hg19.*.*。参考基因组应该和index文件放在同一目录中。

reads：PE reads必须放在不同的两个文件中，文件名必须按照*_1, *_2的规范成对出现。如：A.reads1_1.fastq B.reads1_1.fastq A.reads1_2.fastq B.reads1_2fastq

 

常用options:

    -o | --output default: ./tophat_out 输出的文件夹路径。

-r | --mate-inner-dist default: 50 成对的reads之间的平均inner距离。例如：fragments长度300bp，reads长度50bp，则其inner距离为200bp，该值该设为200。

   --mate-std-dev default:20 inner距离的标准偏差。

-a | --min-anchor-length default: 8 read的锚定长度：该参数能设定的最小值为3；锚定在junction两边的reads长度只有都大于此值，才能用于junction的验证。

--library-type Tophat处理的reads具有链特异性。比对结果中将会有个XS标签。一般Illumina数据的library-type为 fr-unstranded。

    -G | --GTF 提供基因模型的注释文件，GTF 2.2 或者 GFF 3 格式的文件。如果设置了该参数，Tophat 则先提取出转录子序列，然后使用Bowtie2将reads比对到提取的转录组中；只有不能比对上 的reads再比对到genome；比对上的reads再打断转变成genomic mappings；再融合新 的mappings和junctions作为最后的输出。 值得注意的是GTF/GFF文件代表chromosome和contig的第一列要和bowtie index中的 参考序列名一致。 

参考文章：
http://blog.sina.com.cn/s/blog_8808cae20101amqp.html