Bowtie索引失败(tophat2，bowtie2)

Question

(注意:标记应该是tophat2和bowtie2，但我没有创建新标记的要点)

问候:我正在使用Tophat2 (命令行)来分析RNA-seq数据，我遇到了一些错误。

这里是呼叫：

tophat2 -o tophat2_results/ -G ref_data/BA000007.2.gtf --transcriptome-index=transcriptome_data/RNA_LBG01b_241_filteredQ indices/BA000007.2 data_files/RNA_LBG01b_241_filteredQ.fastq

这里是错误：

[2015-12-29 12:58:33] Checking for Bowtie
          Bowtie version:     2.2.4.0
[2015-12-29 12:58:33] Checking for Bowtie index files (genome)..
[2015-12-29 12:58:33] Checking for reference FASTA file
[2015-12-29 12:58:33] Generating SAM header for indices/BA000007.2
[2015-12-29 12:58:33] Reading known junctions from GTF file
    Warning: TopHat did not find any junctions in GTF file
[2015-12-29 12:58:33] Preparing reads
     left reads: min. length=12, max. length=342, 202732 kept reads (1315 discarded)
Warning: short reads (<20bp) will make TopHat quite slow and take large amount of memory because they are likely to be mapped in too many places
[2015-12-29 12:58:39] Building transcriptome data files transcriptome_data/RNA_LBG01b_241_filteredQ
[2015-12-29 12:58:40] Building Bowtie index from RNA_LBG01b_241_filteredQ.fa
    [FAILED]
Error: Couldn't build bowtie index with err = 1

版本信息： TopHat v2.1.0 Bowtie2版本2.2.4 Python2.7.10 :：Anaconda2.4.0(64位)

系统信息： CentOS第6.7版

我是如何来到这里的，我尝试了什么：

我使用大肠杆菌(登录号: BA000007.2)作为我的参考基因组，在这里可以找到：http://www.ncbi.nlm.nih.gov/nuccore/BA000007.2

我从酒井/获得了我的GTF文件

我使用bowtie2-build (在tophat2调用之前)创建了我的索引。

bowtie2-build -f ref_data/BA000007.2.fasta indices/BA000007.2

我知道，我收到的错误与出现在*.gtf文件第一列中的不同名称和引用fasta文件的名称有关。如果我正确地理解了这一点，第一栏中的每一个条目都应该是BA000007.2，其中第一栏中的大多数名字都是“染色体”。为了解决这个问题，我做了以下工作：

awk '{FS=OFS="\t"}{print "BA000007.2", $2, $3, $4, $5, $6, $7, $8, $9}' pathToGTF/BA000007.2_ensemble.gtf > pathToGTF/BA000007.2.gtf 

#请注意在集成gtf文件开始时注释的构建信息(例如，#！基因组构建ASM80120v1)将产生来自awk命令的不良输出已经得到了解决。

我还将fasta文件的终止从*.fasta更改为*.fa

问题：

1. 我是否正确地将kibosh放在gtf文件的第一列与fasta文件的名称(BA000007.2，BA000007.2.fa)之间的不同命名上引起的问题？
2. 当我仔细阅读日志目录中的输出时，会出现几个错误(g2f.err &ftf_juncs.log中类似的错误)，行的开头是： 警告:在行处的启动坐标无效: BA000007.2 ena基因-194 2502。+。gene_id "BAA31757"；gene_version "1"；gene_name "tagA"；gene_source "ena"；gene_biotype "protein_coding"；

gtf文件中确实有负数，但genbank文件中没有(vim中的快速搜索)。这可能是错误的根源吗？我注释掉了具体的行并将它们从文件中删除--这两种方法仍然会导致错误。

1. 是否有任何容易发现的错误可能导致“无法建立带有错误r=1的蝶形索引”错误？

我被困在这几天，所以任何帮助都是非常感谢的。

Answer 1

我找到了问题的根源。它是引用fasta文件中的标题。最初的标题是：

>gi|47118301|dbj|BA000007.2| Escherichia coli O157:H7 str. Sakai DNA, complete genome

何去何从

>BA000007

So...if fasta文件被称为abc123 123.fa，那么fasta文件中的头必须是>abc123 123。gtf文件中的第一列也必须是abc123。

请注意，在所有调用中，我都将基从BA000007.2更改为BA000007，并将所有文件重命名为名称中没有.2的文件。它可能仍然适用于.2，但我没有测试它(“basename是任何索引文件的名称，直到但不包括第一个句点”)。顶帽手册)(谢谢)。最后，我将fasta文件从*.fasta重命名为*.fa。