跳转至

HISAT2

HISAT2（Hierarchical Indexing for Spliced Transcript Alignment）是一个快速的比对工具，专门用于比对 RNA-seq 数据。它的主要优点是能够处理较大的基因组并有效地处理剪接变体。

安装

mamba install -c bioconda hisat2

基本使用

1. 构建索引

gtf=genome.gtf
fa=genome.fa


# 1. 提取剪接位点信息
hisat2_extract_splice_sites.py ${gtf} > splicesites.tsv

# 2. 提取外显子信息
hisat2_extract_exons.py ${gtf} > exons.tsv

# 3. 构建索引
hisat2-build -p 2 \
    --ss splicesites.tsv \
    --exon exons.tsv ${fa}  ${fa%.fa}

Note

默认使用参考基因组前缀，在当前目录生成 genome.1.ht2 到 genome.8.ht2 一共8个索引文件。可以在最后自定义索引输出的目录和前缀（dir/basename）

Usage: hisat2-build [options]* <reference_in> <ht2_index_base>

2. 比对

hisat2 [options]* -x <ht2-idx> {-1 <m1> -2 <m2> | -U <r>} [-S <sam>]

-x <index_prefix>: 指定已经构建好的索引的前缀（不需要后缀）。

-1 <reads_1.fq>: 指定双端测序的reads1文件。

-2 <reads_2.fq>: 指定双端测序的reads2文件。

-S <output.sam>: 输出的 SAM 文件。如果不指定默认 stdout。

hisat2 -p 2 -x genome -1 sample_1.clean.fq.gz -2 sample_2.clean.fq.gz 

# 目录结构
.
├── genome.1.ht2
├── genome.2.ht2
├── genome.3.ht2
├── genome.4.ht2
├── genome.5.ht2
├── genome.6.ht2
├── genome.7.ht2
├── genome.8.ht2
├── genome.fa
├── genome.fa.fai
├── genome.gff3
├── genome.gtf
├── sample_1.clean.fq.gz
└── sample_2.clean.fq.gz

常用参数介绍

  1. -p/--threads: 指定使用的线程数（默认是 1）。
  2. --dta: 启用将用于转录组分析的特殊选项，优化了输出结果。
  3. --rna-strandness <STRANDNESS>: 指定 RNA 测序的链特性：
    • FR: 双端文库，读取 1 为前向，读取 2 为反向。
    • RF: 双端文库，读取 1 为反向，读取 2 为前向。
    • F: 单端文库，读取为前向。
    • R: 单端文库，读取为反向。
  4. --trim5 <N>: 从每个读取的前端修剪 N 个碱基。
  5. --trim3 <N>: 从每个读取的后端修剪 N 个碱基。
  6. --max-intron-length <L>: 指定最大内含子长度，默认是 500,000 bp。
  7. --known-splicesite-infile <file>: 提供已知的剪接位点文件，以提高比对的准确性。
  8. --no-unal: 不输出未比对的读取。

示例