专题： 生物信息学笔记

在上一步，我们建立了index，可以在运行index命令的目录（我是在dnaseq\chrX_data\third\index，这个dnaseq目录是win10和linux的共享文件夹，关于该共享文件夹可能有些人可能还会有点弯路要走，我一开始是在linux下面找不到这个共享文件夹，这个后面如果有时间我会专门写一篇）下找到相应的文件如下图（里面包括了chrX.exon和chrX.ss这两个从gtf文件中提取的，以及剩下的就是index文件，有1-8，但是在比对时用chrX_tran代表）：

然后，我们进入samples目录（就是我们下载了序列的目录），如下图：

注意了，上面图片示例都是在win10下截图的，只是为了更好理解，实际这一步还是在linux下操作比较方便，因为接下来要建立一个批处理文件samAA.sh是在linux下运行的。如下图：

建立方法，在linux，samples文件夹，输入命令：

touch samAA.sh

然后编辑该sh文件：

nano samAA.sh

在编辑其中输入命令：

for i in *1.fastq.gz;
do
i=${i%1.fastq.gz*};

nohup hisat2 -p 1 --dta -x /mnt/hgfs/dnaseq/chrX_data/third/index/chrX_tran -1 ${i}1.fastq.gz -2 ${i}2.fastq.gz -S /mnt/hgfs/dnaseq/chrX_data/third/sam-dta/${i}align.sam 2>/mnt/hgfs/dnaseq/chrX_data/third/sam-dta/${i}align.log &
done

保存退出后，在该文件夹下直接输入“sh samAA.sh”运行循环比对（多条序列比对）。

这个命令为什么这么写：

for语句第一行是要取出该目录下序列的文件名，就是1.fastq.gz前面的名字，比如“ERR188428_chrX_”，

do 开始循环，只要存在这样的i就继续执行，以其中循环一遍为例，比如让i=ERR188428_chrX_，

nohup开始在后台运行比对，比如把log保存在“/mnt/hgfs/dnaseq/chrX_data/third/sam-dta/ERR188428_chrX_align.log”里面，这样可以在文件里面查看是否成功，如果不成功问题提示如何。

hisat2 语句中“-p 1”是指单一进程运行比对，可以跟进电脑配置自行调整；

“--dta”是指输出的文件给stringtile继续使用；

“-S”注意这里是大写S，千万注意，这是指定位置输出比对好的sam文件，不要搞成小写s。

好了，比对结果如下图（看一下目录名，和命令行比较）：

解释一下：命令行中有“/mnt/hgfs/”，后面才跟上dnaseq目录（这个是两个系统的共享目录），这个是因为linux下面的共享目录要挂载在/mnt/hgfs/下面。

因为比对时随机的，如果你用notepad++打开sam文件会发现里面的内容每次都是不一样的（但总大小一样，因为随机比对，顺序每次都不同），所以sam文件比对好以后还要进行排序，今天就到这里了。