案例分析 基于新一代测序数据分析4种癌的差异表达与调控.pdf

案例分析：基于新一代测序数据分析4 种癌的差异表达与调控 一、分析流程 二、短序列数据准备 Step1 ：访问NCBI SRA 数据库网站 /sra Step2 ：在搜索框中输入查询词，本次实验我们用“lung cancer”作为查询词。按 ， 得到查询结果。 1 Step3 ：点击结果页面右侧的 ，这8 套数据是公共数据，可以自由下载。另外 两套数据 是需要申请的。 Step4 ：观察这8 套数据，分别是吸烟、不吸烟者中的肺癌患者和正常人样本，还包括2 种 实验平台。点击感兴趣的数据连接，本次实验点击第一个链接。 Step5 ：页面中包含关于研究（Study ）、样本（Sample ）、实验（Library）等信息的描述，点 击 查看详细信息。如点击Sample 行的more，得到如下信息： 其中记录了该样本取自2 男1 女的气道上皮。 2 点击Library 行的more，得到如下信息： 其中记录了测序实验的一些信息。该实验采取NuGEN 实验平台，单末端测序，测序长度36bp。 表示该实验是单末端测序。 表示测序深度是约2778 万read，可以点击链 接SRR192340 下载实验数据。 Step6 ：点击页面中的 可以链接到完整实验的记录，如下： 点击页面右侧的 链接可以直接下载全部8 个样本的测序数据，使用SRA 提供的Aspera 下载工具将快速下载数据。点击链接，选择存储地址并按 按钮，如 下： 弹出下载界面，可以看到速度非常快。 下载完成的数据如下： 3 对于下载的每一套数据和每一个样本，要做好疾病信息，样本信息的记录，以便后续分析。 每一个目录是一个样本测序的数据，目录里面有一个以.sra 结尾的文件，例如： sra 文件是一个压缩格式的文件，无法直接阅读，使用前需要通过软件将其转换为fastq 等格 式。 在服务器的/data 目录中已经准备好了4 套癌症的测序数据。 三、短序列数据格式转换 Step1 ：访问NCBI SRA 数据库网站，下载SRA Toolkit 软件。点击 Step2 ：在打开的页面中，点击下载需要的版本。 4 Step3 ：下载的Windows 版本是一个zip 压缩包 ，首先解压缩，如 下： 文件夹内包含多个实用程序以及帮助文档。这些程序需要在Windows 控制台中执行。 如果熟悉Linux 操作系统，建议在Linux 系统下完成分析工作。 Step4 ：打开Linux 远程终端。首先在Windows 下找到程序 ，双击运行。 点击 ，弹出登录对话框。 在Host Name 栏中填入服务器地址：30，在User Name 栏中填入座位号，如A1 。 按 ，弹出密码对话框，填入座位号，如A1 ，注意大小写。 5 Step5 ：执行命令fastq-dump，如下： 程序列出了fastq-dump 的使用方法和版本号。通过-A 参数指定输出的fastq 格式文件的文件 名。 Step6 ：运行命令 fastq-dump --split-3 -N 1 -X 1000 -A SRR192333 /data/SRP006676.lung_cancer.mRNA-seq/SRR192333.NS_Illumina/SRR192333.sra 为了快速演示，在-A 之前加入参数-N 1 -X 1000 ，只转换第1 到第1000 个序列 （spot ）。 输入文件为/data/SRP006676.lung_cancer.mRNA-seq/SRR192333