小白生信学习记（一）· 转录组基本知识及简单的linux命令入门

        这是小白来到这个课题组的第一天。

        为了让小白更快融入实验室，老师让小白跟着师姐一起完成一个转录组数据的分析。

        在听完老师的介绍后，小白有点蒙。什么叫转录组测序？什么是二代测序？他快速记下关键词后，开始了网上搜索。

（一）什么叫转录组测序?

        首先，来回顾一下中心法则：

        DNA可以在转录复合体的作用下，转录成多种RNA (rRNA、lncRNA、small RNA、tRNA、mRNA等），其中mRNA后续会翻译成肽链，折叠成有功能的蛋白质。

       转录组顾名思义，就是细胞内所有转录产物的集合。而狭义的转录组测序，其实就是对mRNA进行测序和分析。

       但是，细胞里面有那么多的物质，如何单独把我们想要的这部分mRNA纯化出来呢？

       原来，真核生物mRNA在3'端具有polyA（即在3’端有很多的碱基“A”）结构特点，如图（参考资料1）：

    因为A能通过氢键与T有较强的亲和性，所以，合成一条含多个T的短序列（oligo dT），把它一头固定在某种基质上，他就可以通过亲和能力（想象它像一个磁铁），把含有polyA的这部分mRNA给拉取得到。这样，我们就能富集到mRNA了。

       这时候该测序了吧？其实不是。由于RNA的化学性质不稳定，容易降解，所以在实际测序的时候，先通过体外逆转录的方法，把RNA转化成cDNA，再进行测序。

（二）什么是二代测序？

       二代测序曾经出现过多种测序平台，但目前可以说，illumina是一家独大。

       illumina的测序原理简单介绍如图（参考资料2）：

       先把DNA打碎成一定大小的片段，然后纯化。这些纯化后的DNA片段在两端会被接上一段接头序列。紧接着，它们就被固定到一种基质上（flow cell）并且成簇（每一簇是来自同一条DNA分子），然后，把引物加上，开始测序。

        每一轮的带不同荧光的dNTP被加进去后，机器就会拍一张照片，并读取此时每个簇的荧光是什么颜色，并转换成对应的碱基（并且会告诉你这个碱基的测序质量如何），然后把这些信息存储起来。所以我们到手的序列将是这样的：

         名字：其实就是某条被测序的DNA的一个识别称号，否则，那么多序列一下子蹦出来，就天下大乱了。

         测序的DNA分子序列：就是我们想要的序列。

         第三行那个“+”是什么意思呢？单独的“+”没有什么具体含义，但其后面可以添加一些描述信息。

         第四行则是刚提到的，对应第二行碱基的质量值。根据评分体系的不同，每个字符的含义表示的数字也不相同。它是用ACSII码表示。

        有兴趣的朋友，可以自己先百度一下fastq格式，有很多文章都给出具体介绍，这里就不赘述了。

       除了二代测序，一代测序其实也广为使用。一代的特点是读长长（约800bp），而二代则是读长短（目前常见150bp左右），但通量高。而近些年的以PacBio为代表的三代测序，以读长特长（号称平均能达到10000bp，最长20000bp）的特点，在复杂基因组和一些全长转录组等方面有独特的优势。

       拿到序列之后，还需要通过许多计算方法（用软件完成），把这些序列跟基因组进行比对，看看他们属于基因组的哪个位置，这个过程我们称为mapping。再进一步分析拿到差异表达的基因。这些，我们再后续课程都会给大家详细介绍，并且带着大家用软件完成这个分析过程。 

 （三）Linux命令入门

        数据处理大多在Linux/unix系统下进行操作。Linux界面大概是长成这个样子的：

        为什么不做成像Windows或者Mac那样美观、友好的图形界面？为什么不弄得像office软件这么直观容易上手？

        其实Linux也是可以有图形的（但我还没用过）。

        生物信息学一般计算量很大，需要用到像服务器这样运算能力很强的设备。服务器好多都是Linux系统。Linux作为服务器有它独到的优势（参考资料3）：

      1.稳定的系统；

      2.安全，漏洞快速修补：由于是开源的系统，且支持者众，因此可以随时获得安全信息和随时更新。

      3.多任务，多用户

      4.省内存。

     而命令行的操作也有许多好处。举个栗子：

      请想象这个表格向右向下无限延伸，而你的任务是，把A的1到3行，和B的1到3行做柱形图，如果只有几组数据，那么excel是可以轻松胜任的。假如，你需要如此从1到3，从4到6……如此往下，做A列和B列柱形图，那么是非常耗时费力的。此时你只要在命令行写几句代码，你就可以坐等结果了。嗯，想想是不是还有点小激动？这个以后也会教给大家。

        好，回到正题，今天教给大家几个最基础的linux命令：

假如已经进到你的系统，并且想知道你现在所在路径是什么，可以使用“pwd”来看看：

pwd

小白想新建一个自己的目录（文件夹）并命名为“xiaobai”方便以后工作：“mkdir”

mkdir xiaobai

新建文件夹后，他想进入这个目录，再新建一个叫work的目录：

cd xiaobai

mkdir work

这个时候，他想看看目录里有什么东西（当然暂时是什么都没有）：ls

ls

他于是返回上一层目录

cd ..

再次查看xiaobai目录下有什么：（请仔细看一下跟之前提到的ls有什么差异呢？）

ls -l 

他突然觉得work这个名字自己不喜欢，想更改一下，变成my_work

mv work my_work

改完以后，善变的小白还是觉得不满意，暂时想删掉：

rm my_work

是不是很简单？好了，今天就先到这里吧。

想尝试更多学习：http://www.personal.psu.edu/iua1/courses/2014-BMMB-852.html

这次的作业：

1.安装一个linux双系统或者虚拟机

2.开始玩耍上面的简单linux命令

参考资料

1.《高通量测序与大数据分析》（诺禾致源科技服务部 编著）

2. illumina的测序原理：illumina官网

3.《鸟哥的Linux私房菜·基础学习篇（第三版）》

上述部分资料可在我的云盘下载：http://url.cn/43MSAoR

       文章篇幅有限，难以面面俱到。故需读者依据自己需求自行深入学习。有不懂之处可后台联系我们，讲尽力予以解答，并视情况，挑选有代表性问题进行详细讲解。

       初步打算如此，如有建议和疑问欢迎联系，让我们一起把这个系列变得更好更有助于大家入门！

       写作过程中难免有疏漏错误之处。恳请包容与指出问题所在，不胜感激！