GMAP的安装和使用心得

siene

网络搜索的步骤：
第一步:构建GMAP/GSNAP索引数据库
GMAP/GSNAP对FASTA文件中每个记录下的序列的长度有一定限制, 每一条不能超过4G, 能应付的了大部分物种了。

构建索引分为两种情况考虑，第一种是一个fasta文件包含所有的序列

~/opt/biosoft/gmap/bin/gmap_build -d reference reference.fa
第二种则是每个染色体的序列都单独存放在一个文件夹里，比如说你下载人类参考基因组序列解压后发现有N多个fasta文件, 然后你就想用其中几条染色体构建索引

~/opt/biosoft/gmap/bin/gmap_build -d reference Chr1.fa Chr2.fa Chr3.fa ...
注: 这里的-d表示数据K库的名字，默认把索引存放在gmap安装路径下的share里，可以用-D更改.此外还有一个参数-k用于设置K-mer的长度, 默认是15, 理论上只有大于4GB基因组才会有两条一摸一样的15bp序列(当然是完全随机情况下)。

第二步:正式比对
建立完索引之后就可以将已有的CDS或者EST序列和参考基因组序列进行比较。

~/opt/biosoft/gmap/bin/gmap -t 10 -d reference -f gff3_gene cds.fa > cds_gene.gff3
其中-t设置线程数, -d表示参考基因组数据库的名字, 都是常规参数。我比较感兴趣的参数是如何将序列输出成GFF格式. GMAP允许多种格式的输出，比如说-S只看联配的总体情况，而-A会显示每个比对上序列的联配情况, 还可以输出蛋白序列(-P)或者是genomic序列(-E). 但是做结构注释要的gff文件，参数就是-f gff3_gene, -f gff3_match_cdna, -f gff3_match_est。

运行 实例(以悲剧结束)
$ cd e:/programfiles/gmap-2021-02-12 #cd到解压后的文件夹#
$ ./configure
$    make
$    make check   (optional)
$    make install
$ cd e:/AS #cd到基因组数据目录#
$    gmap_build -d xinjiangdaye_db  xinjiangdaye_genome.fa #这里的xinjiangdaye_db是即将建立的索引或者数据库，xinjiangdaye_genome.fa是基因组的fasta文件#
#由于8G内存几乎被占满，运行缓慢，终止了运行，需要内存配置更高的电脑，或者拆分文件？#

2012csc

zhangyifan

感恩！！！

wangyankun

wangyankun

lxy1921

来学习一下！

lxy1921