Docker怎么實(shí)現(xiàn)Samtools截取基因組序列

這篇文章主要講解了“Docker怎么實(shí)現(xiàn)Samtools截取基因組序列”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來(lái)研究和學(xué)習(xí)“Docker怎么實(shí)現(xiàn)Samtools截取基因組序列”吧！

Samtools是一個(gè)用于操作sam和bam文件的工具軟件，能夠?qū)Ρ葘?duì)文件進(jìn)行二進(jìn)制查看、格式轉(zhuǎn)換、排序及合并等，結(jié)合sam格式中的flag、tag等信息，還可以完成比對(duì)結(jié)果的統(tǒng)計(jì)匯總，是處理sam和bam文件（例如：轉(zhuǎn)錄組Tophat分析軟件輸出的比對(duì)結(jié)果為.bam文件，而重測(cè)序中BWA、bowtie等比對(duì)軟件則主要輸出為.sam文件）不可或缺的神器！

下載鏡像并運(yùn)行

安裝好Docker后，搜索我們億速云提供的docker鏡像，其中便有安裝好samtools軟件的鏡像。

$ docker search 億速云
NAME                           DESCRIPTION                                     STARS               OFFICIAL            AUTOMATED
億速云/gene-family         gene-family analysis docker image               2
億速云/isoseq3             isoseq3 v3.3.0 build by 億速云              0
億速云/bwa                 BWA v0.7.17 build by 億速云                 0
億速云/rnaseq              RNA-seq analysis docker image build by omics…   0
億速云/samtools            samtools v1.10 build by 億速云              0
億速云/biocontainer-base   Biocontainers base Image centos7                0
億速云/blast-plus          blast+ v2.9.0                                   0
億速云/blastall            legacy blastall v2.2.26                         0
億速云/sratoolkit          SRAtoolkit v2.10.3 and aspera v3.9.9.177872     0

下載鏡像。

$ docker pull 億速云/samtools
Using default tag: latest
latest: Pulling from 億速云/samtools
ab5ef0e58194: Already exists
417469905807: Already exists
ed09842cc19f: Already exists
f860268ff83f: Already exists
f87dd41136a6: Already exists
90091b4f5d91: Already exists
6485f44fc594: Pulling fs layer
latest: Pulling from 億速云/samtools
ab5ef0e58194: Already exists
417469905807: Already exists
ed09842cc19f: Already exists
f860268ff83f: Already exists
f87dd41136a6: Already exists
90091b4f5d91: Already exists
6485f44fc594: Pull complete
Digest: sha256:e641dd5b9f60d8f9d01f0d109eff72d15836d0d59a753e3e35677b1200adc4a1
Status: Downloaded newer image for 億速云/samtools:latest

下載完成后可以檢查一下。

$ docker images
REPOSITORY              TAG                 IMAGE ID            CREATED             SIZE
億速云/samtools     latest              9373e18781bf        8 days ago          2.04GB
億速云/blast-plus   latest              0220cac51a6e        8 days ago          2.55GB

之后在電腦的D盤(pán)創(chuàng)建samtools文件夾，并粘貼需要的染色體fasta文件。如果docker是windows Toolbox版本，需要掛載D盤(pán)到虛擬機(jī)，具體操作可參考 Docker 工具安裝（windows Toolbox版本）詳解版！

進(jìn)入虛擬機(jī)。

$ docker run --rm -v /d/samtools:/work -it 億速云/samtools:latest   #這里我使用的Docker是windows Toolbox版本
######################################################
#      歡迎使用組學(xué)大講堂提供的docker鏡像              #
#      問(wèn)題交流請(qǐng)?jiān)L問(wèn)：www.億速云.com             #
######################################################

            Linux新手建議學(xué)習(xí)課程：
      --> https://www.億速云.com/article/702

         搭建實(shí)驗(yàn)室生信分析平臺(tái)與docker使用詳情見(jiàn)課程：
      --> https://www.億速云.com/article/1181
[root@0e9f42f25cc1  10:16:46 /work]#

查看工作目錄。

# ll
total 117M
-rwxrwxrwx 1 1000 ftp 117M Apr 23 10:19 Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa

samtools提取序列

samtools faidx 能夠?qū)asta序列建立一個(gè)后綴為.fai 的文件，根據(jù)這個(gè).fai 文件和原始的fasta文件，能夠快速的提取任意區(qū)域的序列。用法：

samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa

該命令對(duì)輸入的fasta序列有一定要求：對(duì)于每條序列，除了最后一行外，其他行的長(zhǎng)度必須相同。

>one 
ATGCATGCATGCATGCATGCATGCATGCAT 
GCATGCATGCATGCATGCATGCATGCATGC 
ATGCAT 
>two another chromosome 
ATGCATGCATGCAT 
GCATGCATGCATGC

最后生成的.fai文件如下， 共5列，\t分隔；

Pt      154478  4       60      61
Mt      366924  157061  60      61
4       18585056        530104  60      61
2       19698289        19424914        60      61
3       23459830        39451511        60      61
5       26975502        63302342        60      61
1       30427671        90727439        60      61

第一列 NAME：序列的名稱，只保留“>”后，第一個(gè)空白之前的內(nèi)容；

第二列 LENGTH：序列的長(zhǎng)度，單位為bp；
第三列 OFFSET：第一個(gè)堿基的偏移量，從0開(kāi)始計(jì)數(shù)，換行符也統(tǒng)計(jì)進(jìn)行；
第四列 LINEBASES：除了最后一行外，其他代表序列的行的堿基數(shù)，單位為bp；
第五列 LINEWIDTH : 行寬，除了最后一行外，其他代表序列的行的長(zhǎng)度，包括換行符，在windows系統(tǒng)中換行符為\r\n, 要在序列長(zhǎng)度的基礎(chǔ)上加2；

最后指定要提取的序列或序列在染色體上的位置，即可提取出需要的序列：

samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa Pt> Pt.fa             #提取葉綠體序列
samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa Pt:100-1000> Pt.fa    #提取葉綠體第100到1000堿基的序列

感謝各位的閱讀，以上就是“Docker怎么實(shí)現(xiàn)Samtools截取基因組序列”的內(nèi)容了，經(jīng)過(guò)本文的學(xué)習(xí)后，相信大家對(duì)Docker怎么實(shí)現(xiàn)Samtools截取基因組序列這一問(wèn)題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！