欢迎关注”生信修炼手册”!
SOAPfuse是华大开发的一款，专门针对human的融合基因进行分析的工具，项目链接如下
http://soap.genomics.org.cn/soapfuse.html
在对应的文献中，将该工具与其他几款软件进行了比较
从图中可以看出，SOAPfuse运行时间快，内存消耗小，敏感性好。在我看来，内存消耗做的是真的不错，其他两点的话因为参考数据的不同，不太有参考价值。
sourceforge上保存了最新版的soapfuse, 直接下载解压即可。
wget https://sourceforge.net/projects/soapfuse/files/SOAPfuse_Package/SOAPfuse-v1.27.tar.gz
tar xzvf SOAPfuse-v1.27.tar.gz在运行SOAPfuse之前，需要准备以下几个文件
1. reference database
和其他软件类似，SOAPfuse也需要建立物种对应的数据库，在软件安装的source目录下，提供了建立数据库的脚本，用法如下
perl SOAPfuse-S00-Generate_SOAPfuse_database.pl \
-wg hg19.fa \
-gtf Homo_sapiens.GRCh37.85.chr.gtf \
-cbd cytoBand.txt.gz \
-gf HGNC_Gene_Family.tsv \
-sd /software/SOAPfuse-v1.27 \
-dd /database/hg19 \
-rft chr.gtpwg参数代表基因组的fasta文件，gtf参数代表gtf文件，cbd代表从UCSC下载的cytoband文件，gf代表从HGNC下载的基因信息，sd代表软件的安装目录，rft代表gtf文件中的染色体名称和fasta文件中的染色体名称的对应关系。
对于需要从数据库下载的文件，在该脚本的帮助信息中给出了非常详尽的提示, 这里就不赘述，对于rft文件，内容为\t分隔的两列，示例如下
1 chr1
2 chr2第一列代表gtf文件中的染色体编号，第二列代表fasta文件中的染色体编号。
2. sample list
SOAPfuse通过sample.list文件读取样本信息，该文件内容如下
\t分隔的4列，第一列代表样本名称，第二列代表为lane ID，第三列代表run ID, 第四列代表读长。之所以每个样本需要提供lane ID和run ID, 是出于测序时一个样本会有多条lane的考虑，对于多条lane的数据，因为属于同一个样本，所以需要合并起来。
在实际分析时，我们只有每个样本对应的R1和R2端数据，所以lane ID和run ID自己随便定义就好了，下面是一个实际的例子，共6例样本
A1 Lib-A1 Run-A1 150
A2 Lib-A2 Run-A2 150
A3 Lib-A3 Run-A3 150
B1 Lib-B1 Run-B1 150
B2 Lib-B2 Run-B2 150
B3 Lib-B3 Run-B3 1503. sample sequence directory
sample.list中只提供了样本的名称等信息，在分析时肯定需要知道每个样本对应的测序数据的路径。在SOAPfuse中，通过一个固定的目录结构来实现，示意如下
所有的样本的测序数据位于一个总的目录下，称之为WHOLE_SEQ-DATA_DIR，在该目录下，每个样本是一个子目录，名称必须和sample.list文件中的样本名一致；在每个样本的目录下，是每个lane ID对应的目录;在lane ID的目录下，就是样本的原始数据，以run ID作为前缀。
对于样本的测序数据，要求是gzip压缩的格式，支持fasta和fastq两种格式；文件名称要求以对应的run ID开头，双端数据用_1, _2区分，后缀的话只需要所有样本统一即可，具体的后缀可以在配置文件中设置。
4. config
在软件安装的config目录下，有一个名为config.txt的模板配置文件，我们需要对其进行修改，主要修改以下几个内容
DB_db_dir = /software/SOAPfuse-v1.27/db/
PG_pg_dir = /software/SOAPfuse-v1.27/source/bin
PS_ps_dir = /software/SOAPfuse-v1.27/source
PA_all_fq_postfix = fq.gzDB_db_dir代表第一步建好的数据库的目录，后面两个选项只需要替换成soapfuse实际的安装目录就行了，PA_all_fq_postfix代表测序原始数据文件名的后缀，默认是fq.gz。
以上四点内容都准备好之后，就可以进行分析了，代码如下
perl SOAPfuse-RUN.pl \
-c config.txt \
-fd raw_data \
-l sample.list \
-o out_dir-c指定配置文件，-fd指定测序数据存放的目录，-l指定样本的sample.list文件，-o指定结果的输出目录。
SOAPfuse的输出文件很多，会同时给出融合基因和融合转录本的信息，里面的信息和其他软件的输出基本类似，更加详细的解读请参考官网的说明文档。
·end·
—如果喜欢，快分享给你的朋友们吧—
扫描关注微信号，更多精彩内容等着你！
