制备用于smallRNA分析的RNA过滤库

写在前面

small RNA测序之后，会得到很多不同类型的小RNA数据，其中包括我们常常并不感兴趣的RNA类型，比如rRNA区间产生的小RNA。
有必要准备一个数据库，用于过滤掉这部分小RNA。
做转录组分析时，我们用的一般是sillva库，因为主要是rRNA过滤。
而小RNA数据分析，则不一样，除了rRNA，还有snoRNA,tRNA等。
此时，rfam数据库可能是一个不错的选择。
以下，是一年多以前的一个记录。

操作流程

# 准备一个Rfam库，仅不包含miRNA
# 
mkdir Rfam
cd Rfam/
# 
wget ftp://ftp.ebi.ac.uk/pub/databases/Rfam/12.1/fasta_files/*

# 下载下来的是所有Rfam上的序列数据

# 下面要做分类
# 直接在浏览器下复制对应 归类 样本
http://rfam.xfam.org/families

# 保存在文件 Rfam_classification.xls
cut -f3 Rfam_classification.xls |sort|uniq -c
    243 Cis-reg;
     28 Cis-reg; frameshift_element;
     30 Cis-reg; IRES;
     15 Cis-reg; leader;
     26 Cis-reg; riboswitch;
      9 Cis-reg; thermoregulator;
     79 Gene;
     27 Gene; antisense;
     11 Gene; antitoxin;
     64 Gene; CRISPR;
    217 Gene; lncRNA;
     530 Gene; miRNA;
     19 Gene; ribozyme;
     15 Gene; rRNA;
      3 Gene; snRNA;
    463 Gene; snRNA; snoRNA; CD-box;
    266 Gene; snRNA; snoRNA; HACA-box;
     18 Gene; snRNA; snoRNA; scaRNA;
     15 Gene; snRNA; splicing;
    384 Gene; sRNA;
      2 Gene; tRNA;
      9 Intron;

# miRNA
perl -F'\t' -lane 'print $F[1] unless $F[2]=~/Gene; miRNA;/' Rfam_classification.xls > Rfam_withoutMIR.ids
# 
for ID in `cat Rfam_withoutMIR.ids`;do zcat Rfam/$ID.fa.gz;done > Rfam_withoutMIR.fa
# 
bowtie-build Rfam_withoutMIR.fa bowtie-index/Rfam_withoutMIR

写在最后

对于一个确实做分析的人，手上数百个记录是正常的。只是有些记录值得分享，有些不值得。发这个推文的主要原因，事实上，只是当心流程丢失。