SeekSoulTools-1.3.0_VDJ特殊物种ref准备

作者: 刘雪岭，高瑞峰

时长: 4 分钟

字数: 912 字

更新: 2025-09-02

阅读: 0 次

SeekSoulTools VDJ

IMPORTANT

SeekSoulTools v1.3.0 需要TRUST4进行分析，需要准备相应的参考基因组文件。

从IMGT下载：数据库是根据已发表文章、数据库等汇总而成，没有具体物种基因组版本的信息，不能直接得到对应物种的版本信息。

Step1：下载总的物种免疫数据库，提取出对应物种的fasta

wget -c https://www.imgt.org/download/GENE-DB/IMGTGENEDB-ReferenceSequences.fasta-nt-WithGaps-F+ORF+inframeP

根据fasta id中物种拉丁名提取物种对应的ref序列。

NOTE

文件格式说明：

1. IMGT/LIGM-DB accession number(s)
2. IMGT gene and allele name
3. species (may be followed by an "_" and the name of the strain, breed or isolate, if defined)
4. IMGT gene and allele functionality
5. exon(s), region name(s), or extracted label(s)
6. start and end positions in the IMGT/LIGM-DB accession number(s)
7. number of nucleotides in the IMGT/LIGM-DB accession number(s)
8. codon start, or 'NR' (not relevant) for non coding labels
9. +n: number of nucleotides (nt) added in 5' compared to the corresponding label extracted from IMGT/LIGM-DB
10. +n or -n: number of nucleotides (nt) added or removed in 3' compared to the corresponding label extracted from IMGT/LIGM-DB
11. +n, -n, and/or nS: number of added, deleted, and/or substituted nucleotides to correct sequencing errors, or 'not corrected' if non corrected sequencing errors
12. number of amino acids (AA): this field indicates that the sequence is in amino acids
13. number of characters in the sequence: nt (or AA)+IMGT gaps=total
14. partial (if it is)
15. reverse complementary (if it is)

参考脚本示例：

提取兔子物种的fasta序列：

参考脚本 - 点击查看脚本

python prepare.py  IMGTGENEDB-ReferenceSequences.fasta-nt-WithGaps-F+ORF+inframeP  "Oryctolagus cuniculus" -o Oryctolagus_cuniculus.raw.fasta

规整提取出来的fasta文件：

参考脚本 - 点击查看脚本

python imgt_other_mkref.py --rawfa Oryctolagus_cuniculus.raw.fasta  --outfa Oryctolagus_cuniculus.fasta

Step2：根据TRUST4要求格式化ref序列

https://github.com/liulab-dfci/TRUST4

IMPORTANT

参考序列的基本要求：

• ref文件（如human_IMGT+C.fa）需要包含V、D、J、C基因的序列。
• 对于FASTQ输入，ref文件只需包含IMGT格式的V、D、J、C基因序列，不需要坐标信息。

 >V_gene_name|other_info
只要保证每条序列的ID唯一即可，且建议保留IMGT原始ID信息。
常见做法：用脚本将ID统一为>TRAV1-1*01、>IGHV1-1*01等（即TR/IG开头，后面是基因名和等位基因号）。可以在ID后保留原始注释信息，方便追溯。

进一步处理fasta文件，使其符合TRUST4要求：

参考脚本 - 点击查看脚本

python  process_regions.py  --input_file Oryctolagus_cuniculus.fasta --output_file Oryctolagus_cuniculus_input.fasta

Step3：准备leader文件

到IMGT: https://www.imgt.org/vquest/refseqh.html#LEADER-sets 下载 "L-PART1+L-PART2"。下载对应物种的序列。

WARNING

注意事项：

• IG和TR的分别下载，TR、IG分为2个文件
• IGH、IGK、IGL分别下载，合并成一个文件
• TRA、TRB分别下载，合并成一个文件

将碱基转化成大写：

cat IG_L-PART1+L-PART2.fa |awk '/^>/ {print; next} {printf "%s", toupper($0)}' | awk 'BEGIN{RS=">"; FS="\n"} NR>1 {print ">" $1 "\n" $2}' >IG_L-PART1_L-PART2.fa

Step4：配置特殊物种的cfg文件

fa:/1.3/ref/Oryctolagus_cuniculus_input.fasta
ref:/1.3/ref/Oryctolagus_cuniculus_input.fasta
leader:/IG_L-PART1_L-PART2.fa

Step5：运行VDJ分析

TIP

在运行VDJ分析之前，请确保所有参考文件路径正确，并且文件格式符合TRUST4要求。

#export PATH=seeksoultools1.3.0/seeksoultools.130/external/conda:$PATH
seeksoultools1.3.0/seeksoultools.130/seeksoultools vdj run \
--samplename ZYB_Y2_BCR \
--fq1 demo_BCR_S14_L004_R1_001.fastq.gz \
--fq2 demo_BCR_S14_L004_R2_001.fastq.gz \
--chain IG \
--keep_tmp \
--outdir  Output/ \
--core 16  \
--cfg cfg.txt \