Samtools截取基因组序列（Docker篇）
Samtools是一个用于操作sam和bam文件的工具软件，能够对比对文件进行二进制查看、格式转换、排序及合并等，结合sam格式中的flag、tag等信息，还可以完成比对结果的统计汇总，是处理sam和bam文件（例如：转录组Tophat分析软件输出的比对结果为.bam文件，而重测序中BWA、bowtie等比对软件则主要输出为.sam文件）不可或缺的神器！
Samtools软件的安装相当麻烦，安装教程可参考：samtools你安装成功了吗？那有没有方法可以省去繁琐的安装步骤而直接使用samtools呢？答案是有的！Docker工具可以完美的解决这个问题！
Docker是生信初学者必不可少的工具，具体介绍参见文章：生物信息软件安装解决方案-docker虚拟化技术。Docker工具下载安装请参考：Docker 工具安装（windows Toolbox版本）详解版！和 Docker 工具安装（windows 桌面版）详解版！，这里便不多介绍了。
下载镜像并运行
安装好Docker后，搜索我们omicsclass提供的docker镜像，其中便有安装好samtools软件的镜像。
$ docker search omicsclass
NAME DESCRIPTION STARS OFFICIAL AUTOMATED
omicsclass/gene-family gene-family analysis docker image 2
omicsclass/isoseq3 isoseq3 v3.3.0 build by omicsclass 0
omicsclass/bwa BWA v0.7.17 build by omicsclass 0
omicsclass/rnaseq RNA-seq analysis docker image build by omics… 0
omicsclass/samtools samtools v1.10 build by omicsclass 0
omicsclass/biocontainer-base Biocontainers base Image centos7 0
omicsclass/blast-plus blast+ v2.9.0 0
omicsclass/blastall legacy blastall v2.2.26 0
omicsclass/sratoolkit SRAtoolkit v2.10.3 and aspera v3.9.9.177872 0
下载镜像。
$ docker pull omicsclass/samtools
Using default tag: latest
latest: Pulling from omicsclass/samtools
ab5ef0e58194: Already exists
417469905807: Already exists
ed09842cc19f: Already exists
f860268ff83f: Already exists
f87dd41136a6: Already exists
90091b4f5d91: Already exists
6485f44fc594: Pulling fs layer
latest: Pulling from omicsclass/samtools
ab5ef0e58194: Already exists
417469905807: Already exists
ed09842cc19f: Already exists
f860268ff83f: Already exists
f87dd41136a6: Already exists
90091b4f5d91: Already exists
6485f44fc594: Pull complete
Digest: sha256:e641dd5b9f60d8f9d01f0d109eff72d15836d0d59a753e3e35677b1200adc4a1
Status: Downloaded newer image for omicsclass/samtools:latest
下载完成后可以检查一下。
$ docker images
REPOSITORY TAG IMAGE ID CREATED SIZE
omicsclass/samtools latest 9373e18781bf 8 days ago 2.04GB
omicsclass/blast-plus latest 0220cac51a6e 8 days ago 2.55GB
之后在电脑的D盘创建samtools文件夹，并粘贴需要的染色体fasta文件。如果docker是windows Toolbox版本，需要挂载D盘到虚拟机，具体操作可参考 Docker 工具安装（windows Toolbox版本）详解版！
进入虚拟机。
$ docker run --rm -v /d/samtools:/work -it omicsclass/samtools:latest #这里我使用的Docker是windows Toolbox版本
######################################################
# 欢迎使用组学大讲堂提供的docker镜像 #
# 问题交流请访问：www.omicsclass.com #
######################################################
Linux新手建议学习课程：
--> https://www.omicsclass.com/article/702
搭建实验室生信分析平台与docker使用详情见课程：
--> https://www.omicsclass.com/article/1181
[root@0e9f42f25cc1 10:16:46 /work]#
查看工作目录。
# ll
total 117M
-rwxrwxrwx 1 1000 ftp 117M Apr 23 10:19 Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa
samtools提取序列
samtools faidx 能够对fasta序列建立一个后缀为.fai 的文件，根据这个.fai 文件和原始的fasta文件，能够快速的提取任意区域的序列。用法：
samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa
该命令对输入的fasta序列有一定要求：对于每条序列，除了最后一行外，其他行的长度必须相同。
>one
ATGCATGCATGCATGCATGCATGCATGCAT
GCATGCATGCATGCATGCATGCATGCATGC
ATGCAT
>two another chromosome
ATGCATGCATGCAT
GCATGCATGCATGC
最后生成的.fai文件如下， 共5列，\t分隔；
Pt 154478 4 60 61
Mt 366924 157061 60 61
4 18585056 530104 60 61
2 19698289 19424914 60 61
3 23459830 39451511 60 61
5 26975502 63302342 60 61
1 30427671 90727439 60 61
第一列 NAME：序列的名称，只保留“>”后，第一个空白之前的内容；
第二列 LENGTH：序列的长度，单位为bp；
第三列 OFFSET：第一个碱基的偏移量，从0开始计数，换行符也统计进行；
第四列 LINEBASES：除了最后一行外，其他代表序列的行的碱基数，单位为bp；
第五列 LINEWIDTH : 行宽，除了最后一行外，其他代表序列的行的长度，包括换行符，在windows系统中换行符为\r\n, 要在序列长度的基础上加2；
最后指定要提取的序列或序列在染色体上的位置，即可提取出需要的序列：
samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa Pt> Pt.fa #提取叶绿体序列
samtools faidx Arabidopsis_thaliana.TAIR10.31.dna.toplevel.fa Pt:100-1000> Pt.fa #提取叶绿体第100到1000碱基的序列
好了，今天先介绍到这里，想了解更多生物信息学相关知识，请持续关注本公众号！祝您科研愉快！
- 发表于 2020-04-28 13:49
- 阅读 ( 6003 )
- 分类：软件工具
