SeekSoul Tools v1.3.0：特殊物种 VDJ ref 准备流程 (IMGT/TRUST4)

作者: 刘雪岭，高瑞峰

时长: 4 分钟

字数: 929 字

更新: 2026-01-21

阅读: 0 次

分析指南 FAQ SeekSoul Tools VDJ

IMPORTANT

SeekSoul Tools 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。

步骤 1：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

步骤 2：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

步骤 3: 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

步骤 4：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

步骤 5：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 \