开源基因组浏览器JBrowse教程系列第二篇:使用拟南芥基因组演示怎么配置JBrowse

本文以拟南芥为例演示了JBrowse的配置。

开源基因组浏览器JBrowse教程系列第二篇:使用拟南芥基因组演示怎么配置JBrowse

系统:Arch Linux
JBrowse版本:1.12.1

假设JBrowse安装目录为:/www/jb
假设下载保存路径为:/pub1/dl
假设JBrowse安装的服务器为:http://localhost:3003

本文是开源基因组浏览器JBrowse教程系列的第二篇,尚未部署好JBrowse的同学请移步第一篇安装篇

所谓基因组浏览器就是通过这个工具查看基因组,具体包括参考基因组序列,哪个地方是外显子、那个地方是内含子等等功能。参考基因组就是一个fasta文件,哪个地方是外显子、哪个地方是内含子这些信息称之为特征,一般情况下NCBI、ENSEMBL等数据库都会提供GFF3格式的基因组特征文件,关于GFF3格式的说明请参考我的另外一篇文章GFF3格式说明

以下以拟南芥为例演示怎么使用JBrowse。

第一步:准备数据

拟南芥的基因组下载地址
基因组特征GFF3下载地址

下载拟南芥基因组:

$ wget ftp://ftp.ensemblgenomes.org/pub/release-36/plants/fasta/arabidopsis_thaliana/dna/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.gz

下载拟南芥基因组特征文件:

$ wget ftp://ftp.ensemblgenomes.org/pub/release-36/plants/gff3/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.36.abinitio.gff3.gz

解压:

$ gzip -d Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.gz
$ gzip -d Arabidopsis_thaliana.TAIR10.36.abinitio.gff3.gz

第二步:格式化参考基因组

JBrowse安装目录下的bin目录提供了很多方便使用的perl脚本,例如:

$ cd /www/jb
$ ls bin
add-bam-track.pl  add-json.pl        bam-to-json.pl    cpanm                   flatfile-to-json.pl  jbdoc         maker2jbrowse  prepare-refseqs.pl  ucsc-to-json.pl                                               
add-bw-track.pl   add-track-json.pl  biodb-to-json.pl  draw-basepair-track.pl  generate-names.pl    json2conf.pl  new-plugin.pl  remove-track.pl     wig-to-json.pl

其中bin/prepare-refseqs.pl是用来格式化参考基因组序列的。

使用方法为:

prepare-refseqs.pl --fasta <file1>

即:

$ bin/prepare-refseqs.pl --fasta /pub1/dl/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa

这时你看一下data目录,发现目录下多了一些文件:

$ tree -L 2 data
data                                                
├── seq                                             
│   ├── 1ad                                         
│   ├── 536                                         
│   ├── 6dd                                         
│   ├── 83d                                         
│   ├── 84b                                         
│   ├── ac0                                         
│   ├── f3b                                         
│   └── refSeqs.json                                
├── trackList.json                                  
└── tracks.conf

其中seq目录下的1ad、536等等目录都是存放格式化好的参考基因组文件的。

第三步:格式化特征文件

格式化特征文件需要用到bin/flatfile-to-json.pl这个脚本,使用方式为:

$ bin/flatfile-to-json.pl (--gff <GFF3 file> | --bed <BED file> | --gbk <GenBank file>) --trackLabel <track identifier>

也就是说你这个特征文件可以是GFF3、BED、GBK三种中的一种(熟悉Linux命令行的同学应该能够很轻易地看懂这个说明),另外必须提供trackLabel这个参数,来指定这个track的ID,这个参数会作为名字显示在基因组浏览器的左侧的tracks那一列。

即:

$ bin/flatfile-to-json.pl --gff /pub/dl/Arabidopsis_thaliana.TAIR10.36.abinitio.gff3 --trackLabel 'GFF3 Annotations'

运行完毕,再打开data/trackList.json你就会发现多了一些东西:

{                                                   
   "tracks" : [                                     
      {                                             
         "seqType" : "dna",                         
         "key" : "Reference sequence",              
         "storeClass" : "JBrowse/Store/Sequence/StaticChunked",                                          
         "chunkSize" : 20000,                       
         "urlTemplate" : "seq/{refseq_dirpath}/{refseq}-",                                               
         "label" : "DNA",                           
         "type" : "SequenceTrack",                  
         "category" : "Reference sequence"          
      },                                            
      {                                             
         "style" : {                                
            "className" : "feature"                 
         },                                         
         "key" : "GFF3 Annotations",                
         "storeClass" : "JBrowse/Store/SeqFeature/NCList",                                               
         "trackType" : null,                        
         "urlTemplate" : "tracks/GFF3 Annotations/{refseq}/trackData.json",                              
         "compress" : 0,                            
         "type" : "FeatureTrack",                   
         "label" : "GFF3 Annotations"               
      }                                             
   ],                                               
   "formatVersion" : 1                              
}

这个文件是当前的所有的track,以JSON文件存储,其实就是一个文本而已,不过这个文本对程序是友好的,仔细阅读你就会发现有两个track,再看看不就是我刚刚格式化的参考基因组和特征文件嘛!

这个时候一般你打开浏览器输入http://localhost:3003就可以访问了,但是有一个隐患。JBrowse默认是支持多个基因组的,而且默认bin目录下的各种脚本的输出路径都是data目录,那如果我下次又想弄一个基因组,经过上面两步也放到了data目录,那岂不是很混乱?JBrowse已经为我们想好了解决方案,你只需要把现在的data目录改一下名字就行了:

$ mv data Arabidopsis_thaliana

下次再把另外一个基因组放进来时,bin目录下的脚本又会默认放到data目录,就不会发生混乱啦!

这时你访问http://localhost:3003就会发现这是一个错误页,因为http://localhost:3003不加参数的话默认就是访问data目录的数据,现在你把data目录重命名当然不存在啦。现在想访问刚刚的拟南芥数据可以给这个URL加上get参数,即:http://localhost:3003/?data=Arabidopsis_thaliana,也就是把data=后面的字符换成刚刚修改后的文件夹的名字。

另外,如果你把JBrowse部署在内网,却想让外网访问到,而部署JBrowse的服务器又在防火墙后面的话,请一定要记得把jbrowse.conf加入到防火墙白名单,因为防火墙默认会把这种.conf结尾的文件屏蔽。

最后看下效果:

attachments-2017-08-xtYiP9lQ598adbbc73cd

  • 发表于 2017-08-09 17:31
  • 阅读 ( 6348 )
  • 分类:软件工具

你可能感兴趣的文章

相关问题

1 条评论

请先 登录 后评论
不写代码的码农
deepxin

生物信息软件开发工程师

12 篇文章

作家榜 »

  1. 祝让飞 118 文章
  2. 柚子 91 文章
  3. 刘永鑫 64 文章
  4. admin 57 文章
  5. 生信分析流 55 文章
  6. SXR 44 文章
  7. 张海伦 31 文章
  8. 爽儿 25 文章