rna-seq

MacやLinuxを使わずにRNA-seqの解析を行う①~Google ColaboratoryでRNA-seq解析~準備編

#google-colaboratory#rna-seq

おすすめはしません。

MacやLinuxユーザーは、ターミナルで進める本編シリーズを参考にしてください。

関連記事超初心者向け！！RNA-seq解析シリーズ① ターミナルでコマンドラインを使う →

Windowsユーザーやマシンパワーが弱く自前でRNA-seqができない人用です。

ちなみにWindows10ユーザーは頑張れば自前でできます。

対象となる方

Mac・Linux・Windows 10ユーザーだけど、マシンスペック・・・

Windows 8 以前ユーザー

iPad ユーザー (キーボード入力必須）

条件

  • Googleアカウントを所有している

  • Google Driveに十分な空き容量があること
    場合によっては有料(月250円)を使うことも必要

注意

  • 本記事ではRNA-seqに関する細かいコマンドは説明しません。

  • Google Colaboratoryを使ってRNA-seqを行う点に注力します。

  • RNA-seqの解析法について細かく知りたい方は、ターミナルで進める本編シリーズを御覧ください。

関連記事超初心者向け！！RNA-seq解析シリーズ① ターミナルでコマンドラインを使う →

環境構築

今回ではgoogle colaboratory上で環境構築をしていきます。
行うことは

  1. minicondaとライブラリのインストール
    2.リファレンスゲノムのダウンロードと解凍

  2. アノテーションファイルのアップロード

Minicondaとライブラリのインストール

%%bash
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh && bash Miniconda3-latest-Linux-x86_64.sh -bfp /usr/local

conda config --add channels conda-forge
conda config --add channels bioconda
conda install hisat2 samtools stringtie

RNA-seq解析用のライブラリ(HISAT2, samtools, stringtie)は最後の行で一気にインストールしています。

必要なファイルのダウンロード

リファレンスのダウンロードとファイルの解凍

%%bash
wget https://genome-idx.s3.amazonaws.com/hisat/mm10_genome.tar.gz
tar -zxvf mm10_genome.tar.gz
rm mm10_genome.tar.gz

アノテーションファイルの解凍

アノテーションファイルはブラウザを使用してUCSCのHPからダウンロードしたものを
Google Colaboratoryのディレクトリ/contentにアップロードしてください。
アノテーションファイルの取得方法は、

関連記事超初心者向け！！RNA-seq解析シリーズ⑤StringTieの使い方（「アノテーションファイルの取得」を参照） →

アップロードの仕方は、マウスでドラッグ・アンド・ドロップで可能です。
未解凍の.gzファイルの場合は以下のコマンドで解凍してください。

%%bash
gzip -d -k /content/UCSC.mm10.gtf.gz

mergelistファイルの作成

stringtieでgtfファイルをmergeさせる時に必要なmergelistファイルを作成しておきます。
詳細は、

関連記事超初心者向け！！RNA-seq解析シリーズ⑤StringTieの使い方（「gtfファイルをmergeする」を参照） →

テキストエディタで作成したものをcolaboratory上にアップロードしてもOKです。
今回はcolaboratoryを使って作成しました。

merge_list = ['SRR15719'+str(i)+'.gtf' for i in range(67,73)]
merge_txt = '\n'.join(merge_list)
with open('mergelist.txt', mode='w') as f:
    f.write(merge_txt)

よくある質問

Q. condaでbiocondaのパッケージが入らない チャンネルの登録順を確認してください。conda config --add channels は後に追加したものほど優先度が高くなる ため、conda-forge → bioconda の順に追加すると bioconda が最優先になります。依存解決が終わらない場合は、mamba を使うか、conda install -c bioconda -c conda-forge hisat2 samtools stringtie のようにチャンネルをコマンドで直接指定する方法もあります。

Q. Colaboratoryのセッションが切れるとデータは消える？ 消えます。Colaboratoryの /content 以下は一時領域で、セッション終了時に破棄されます。残したいファイルは必ずGoogle driveにコピーしてください。この記事でdriveをマウントしているのはそのためです。数十GBになるFASTQやBAMを扱うので、drive側の空き容量も確認しておきましょう。

Q. Minicondaのインストーラがダウンロードできない 配布元のホスト名が変わっています。古い記事にある repo.continuum.io は現在使えません。https://repo.anaconda.com/miniconda/ を使ってください。バージョン固定のファイル名も消えていることがあるので、Miniconda3-latest-Linux-x86_64.sh のように latest を指定するのが確実です。

Q. Macやターミナルで同じ解析をするには？ 本編のRNA-seq解析シリーズで、Homebrewを使った環境構築からBallgownでの発現差解析までを扱っています。

関連記事超初心者向け！！RNA-seq解析シリーズ① ターミナルでコマンドラインを使う →

以上で環境準備は終了です。
次回から実際にマッピングしていこうと思います。

関連記事MacやLinuxを使わずにRNA-seq解析を行う ②〜Google ColaboratoryでHISAT2やStringTieを実行〜 →