生信软件 | STAR（测序序列与参考序列比对）

文章目录

• • 零、介绍
  • 一、安装
  • 二、使用
  • • 1、建立索引
    • 2、STAR 比对
  • 三、原理
  • • 聚类、拼接和评分

零、介绍

• STAR （Spliced Transcripts Alignment to a Reference），用于将测序的 Read 对齐到参考基因组的比对软件，常用于 RNAseq。
• 因其具有较高的准确率，映射速度较其他比对软件高 50 多倍，因此作为 ENCODE 项目的御用 pipeline 工具。
• 它需要占用大量内存，对计算资源有较高的要求。
• STAR 的默认参数针对哺乳动物基因组进行了优化

一、安装

二、使用

1、建立索引

参数：

• –runMode genomeGenerate：基因组生成模式
• –runThreadN：启用线程数
• –genomeDir：索引输出路径
• –genomeFastaFiles：参考基因组路径
• –sjdbGTFfile：参考基因组注释文件
• –sjdbOverhang：对于不同长度的读取，理想值为max(ReadLength)-1。在大多数情况下，默认值 100 与理想值类似。

2、STAR 比对

参数：

• –runThreadN：启用线程数
• –genomeDir：索引路径
• –readFilesIn：输入 fastq 的文件路径
• –outSAMtype BAM SortedByCoordinate：输出排序的 bam 文件
• –outFileNamePrefix：输出文件前缀

STAR 的默认参数针对哺乳动物基因组进行了优化。**其他物种可能需要对某些对齐参数进行重大修改，尤其具有较小内含子的生物，必须减小最大和最小内含子大小

三、原理

STAR 的比对算法需要两步：

• 种子搜索
• 聚类，拼接，评分

种子搜索

STAR 先搜索与参考基因组上，一个或多个位置完全匹配的最长序列。这些最长的匹配序列称为最大可映射前缀 (*Maximal Mappable Prefix，*MMP)：

这种 Read 顺序搜索是 STAR 算法效率的基础。

STAR 使用未压缩的后缀数组 (Suffix Array，SA) 来有效搜索 MMP，这允许针对最大的参考基因组进行快速搜索。其他较慢的比对软件使用的算法通常在拆分 Read 和执行比对之前搜索整个 Read 序列。

意外情况是：

• 由于不匹配或缺失，STAR 没有为 Read 的每个部分找到精确匹配的序列，则之前的 MMP 将被扩展。

聚类、拼接和评分

基于与一组‘anchor’种子或非多重映射种子的接近程度将种子聚集在一起，将单独的种子聚集在一起以创建完整的读取。

然后根据读取的最佳对齐方式将种子拼接在一起（基于不匹配、插入缺失、间隙等进行评分）。

https://github.com/alexdobin/STAR

https://github.com/alexdobin/STAR/blob/master/doc/STARmanual.pdf

https://academic.oup.com/bioinformatics/article/29/1/15/272537

https://hbctraining.github.io/Intro-to-rnaseq-hpc-O2/lessons/03_alignment.html