人类基因组目前已经更新到GRCh38，相较于之前版本必然是有它优化的地方，但是在long long ago的芯片数据在进行注释时必然使用的不是最新版本的基因组，那么如何将这些芯片数据与门当户对（相匹配），请您继续往下观看

目的：就是将原本为mRNA设计的芯片，通过重注释而获得lncRNA的表达谱或者将mRNA进行重注释到新版基因组上。

流程图如下：

首先是前期准备工作，必要的软件和数据选择（本次以lncRNA为主）：

1）Seqmap这个软件是本流程的核心，windows和linux两个版本都有，如果是windows版本需要再DOS下运行（期待后续sangerbox加入此软件）；

2）Bedtools这个软件，是处理基因组信息分析的强大工具集合，如何安装使用谷歌一下就能查到，参考；

3）常见的可以重注释大量lncRNA的芯片平台有HG-U133_Plus_2、HuEx、HG-U133A_2。

接下来具体操作步骤：

1）从GEO数据库下载想要重注释的芯片平台数据，比如我现在想重注释GSE84402这个芯片数据，跳转到GEO数据库GSE84402,下拉看到它的平台信息（图1）GPL570是HG-U133_Plus_2平台，可以重注释，点击GPL570；

下拉看到web link点击（图二）；

跳转到affemetrix公司页面（图三）如果没有注册需要注册才能下载平台数据；

找到HG-U133_Plus_2的fasta格式数据（图四）；

如果有对应注释版本的bed文件，就下bed文件（图五）；

2）芯片平台数据下载完毕，如果下的是Fasta格式数据，需要从UCSC或Ensemble或NCBI数据库中下载对应版本的基因组的Fasta数据（图六、七，以UCSC数据库为例）；

但是如果是已经比对好的bed格式数据则可以直接跳转到下一步（忽略此过程）；

否则需要使用seqmap软件进行比对，比对要求即探针序列唯一匹配且不允许错配，从而得到探针序列的基因组信息。

最后从GENCODE数据库下载基因组上的注释数据（图八），使用perl或其他方法提取lncRNA、mRNA和假基因的注释信息（bed格式）。同理也可以下载fasta数据，然后使用seqmap比对到基因组上，得到对应的基因组位置。

3）经过以上步骤就获得了探针和lncRNA、mRNA和假基因在基因组上的位置信息。接下来采用bedtools中的intersect命令，得到落入到lncRNA、mRNA和假基因的探针。

Bedtools命令如下：命令放前面的是在染色体位置长的，后面的是短的，意思是如果你的平台的探针是长的则前面的就是探针的bed，后面的就是假基因的bed。bedtools匹配时没有考虑到正负链，需要用perl提取正负链一致的数据。命令已备好 ./intersectBed -wa -wb -F 1.0  -b  /home/Downloads/pseudogene.bed  -a /home//Downloads/HG-U133_Plus_2.bed  >/home/Downloads/HG-U133_Plus_2_pseudogene.txt，结果如图9

4）最后使用R、excel等软件，获得去除落入到假基因和mRNA的探针，找到唯一落入lncRNA外显子区域的探针，同时要满足每个lncRNA至少要有四个探针落入。

5）将落入到lncRNA的外显子的探针的表达加和即为lncRNA的表达，就这样我们就获得了为自己所用的lncRNA表达谱。

结束语

今天的每周分享就是这么多，下周我们继续相约，期待您的关注！！！