歡迎關注”生信修煉手冊”!

STAR是一款RNA_seq數據專用的比對軟件，比對速度非常快，最大的優勢是靈敏度高，GATK推薦采用STAR比對，然后進行下游的SNP分析。軟件的源代碼保存在github上，地址如下

https://github.com/alexdobin/STAR

安裝過程如下

wget https://github.com/alexdobin/STAR/archive/2.6.1b.tar.gz tar xzvf 2.6.1b.tar.gz

解壓縮之后，在bin/Linux_x86_64_static目錄下，提供了編譯好的可執行文件STAR。和hisat等軟件不同，STAR將所有的功能整合在了同一個程序中，通過切換runMode來執行不同的任務。

1. 構建基因組索引

運行比對前，首先需要對基因組建立索引，建立索引對應的runMode為genomeGenerate, 基本用法如下

STAR --runMode genomeGenerate \ --runThreadN ?20 \ --genomeFastaFiles hg19.fasta \ --genomeDir hg19_STAR_db \ --sjdbGTFfile hg19.gtf \ --sjdbOverhang ?149

建立索引需要基因組的fasta和gtf文件，通過genomeFastaFiles和sjdbGTFfile這兩個參數分別指定；STAR構建索引需要指定一個輸出目錄，這個目錄必須事先創建好，在該目錄下，會生成許多文件，所以必須有寫權限；runThreadN指定線程數；sjdbOverhang的值默認為100， 在實際設置時，最佳取值為max(read_length) - 1。

在構建索引時，還支持加入intron的區間信息，通過sjdbFileChrStartEnd指定對應的文件，多個文件用逗號分隔，這種格式的文件是由STAR比對產生的，通常用于2-pass比對模式。

官方推薦基因組的fasta采用primary_assembly版本, 不應該包含alt_scaffold和patches。對于human而言，NCBI的鏈接如下

ftp://ftp.ncbi.nlm.nih.gov/genomes/refseq/vertebrate_mammalian/Homo_sapiens/latest_assembly_versions/GCF_000001405.38_GRCh38.p12/GCF_000001405.38_GRCh38.p12_assembly_structure/Primary_Assembly/

Ensembl鏈接如下

ftp://ftp.ensembl.org/pub/release-93/fasta/homo_sapiens/dna/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz

2. 運行比對

STAR支持fasta/fastq格式的輸入文件，如果序列文件是壓縮之后的，需要用readFilesCommand參數指定文件解壓縮的方法，對于gzip壓縮的文件而言，有以下兩種下寫法

--readFilesCommand ?zcat --readFilesCommand ?gzip -c

比對完成后，會輸出許多文件，包含4個類別

log文件

sam文件

bam文件

剪切位點文件

每個文件都有事先定義好的名字，當多個樣本同時運行時，為了加以區分，可以通過outFileNamePrefix指定輸出文件的前綴。前3種類型的文件都比較容易理解，剪切位點文件實際上是根據mapping情況，估算出來的intron區間的信息，默認的文件名稱為SJ.out.tab。

默認輸出的比對文件為SAM格式，為了節省磁盤空間，方便下游分析，可以通過outSAMtype參數指定輸出bam文件，該參數有兩個字段值，第一個值指定文件類型， 取值有SAM和BAM兩種，第二個值指定是否排序，取值范圍包括Unsorted, SortedByCoordinate, 寫法如下

--outSAMtype BAM SortedByCoordinate

上述寫法輸出排序之后的bam文件。

單端數據比對的基本用法如下

STAR \ --runThreadN ?20 \ --genomeDir hg19_STAR_db \ --readFilesIn reads.fq \ --sjdbGTFfile hg19.gtf \ --sjdbOverhang ?149 \ --outFileNamePrefix sampleA \ --outSAMtype BAM SortedByCoordinate

雙端數據比對的基本用法如下

STAR ?\ --runThreadN ?20 \ --genomeDir hg19_STAR_db \ --readFilesIn r1.fq.gz r2.fq.gz \ --readFilesCommand ?zcat \ --sjdbGTFfile hg19.gtf \ --sjdbOverhang ?149 \ --outFileNamePrefix sampleA \ --outSAMtype BAM SortedByCoordinate

以上只是基本的比對，STAR官方更推薦使用2-pass比對模式，即比對兩次，有以下兩種方式

multi-sample 2-pass
第一次比對和上述的用法一致，比對完之后，每個樣本會產生一個intron的區間文件SJ.out.tab; 在第二次比對之前，重新構建一次基因組的索引，添加所有樣本的SJ.out.tab文件，然后利用新的基因組索引重新比對。這種做法綜合了多個樣本的intron信息，比對的靈敏度會更高，缺點是操作比較繁瑣。

per-sample 2-pass
對于單個樣本，在比對時直接添加--twopassMode Basic參數，軟件會自動進行兩次比對，將第一次比對的SJ.out.tab加入到索引，然后重新比對。這種方法操作簡單，適用于單個樣本的2-pass 比對。

更多參數和用法請參考官方文檔。

·end·

—如果喜歡，快分享給你的朋友們吧—

掃描關注微信號，更多精彩內容等著你！

總結

以上是生活随笔為你收集整理的STAR:转录组数据比对工具简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。