生物信息學(xué)分析的計算機環(huán)境最優(yōu)配置

劉楨 于岸洲

摘要：生物信息學(xué)是現(xiàn)代生物學(xué)、計算機科學(xué)和數(shù)學(xué)的交叉學(xué)科，主要通過數(shù)學(xué)方法借助計算機對生物數(shù)據(jù)進行科學(xué)分析，相對于傳統(tǒng)實驗方法更高效、更具有邏輯性。本文主要以Linux系統(tǒng)的衍生系統(tǒng)——Ubuntu系統(tǒng)為分析系統(tǒng)，介紹如何配置最適合于生物信息學(xué)分析的計算機環(huán)境。

關(guān)鍵詞：生物信息學(xué)；分析環(huán)境配置；Ubuntu系統(tǒng)；生物數(shù)據(jù)分析

生物信息學(xué)是研究生物信息的采集、處理、存儲、傳播，分析和解釋等各方面的學(xué)科，是生命科學(xué)和計算機科學(xué)相結(jié)合形成的一門新學(xué)科。它通過綜合利用生物學(xué)，計算機科學(xué)和信息技術(shù)而揭示繁雜的生物數(shù)據(jù)所蘊含的生物學(xué)意義。ubuntu系統(tǒng)基于Debian發(fā)行版和GNOME桌面環(huán)境。它的目標(biāo)在于為用戶提供一個最新的、相對穩(wěn)定的主要由自由軟件構(gòu)成的操作系統(tǒng)，可免費使用，并帶有社團及專業(yè)支持。本文介紹了如何借助Ubuntu系統(tǒng)，配置較優(yōu)的生物信息學(xué)分析環(huán)境。

1 生物信息分析環(huán)境的配置

1.1 安裝win+Ubuntu雙系統(tǒng)

第一步：進入程序員管理空間Win + X，在管理磁盤欄目下面選擇二進制空間完好且較大的空間進行分配。將分配空間進行二進制碼壓縮，選擇60*1024MB的二進制空間壓縮。然后產(chǎn)生黑色可用空間。

第二步：同樣在程序員空間下進入電源選項，修改原來在windows系統(tǒng)下的電源功能。將原來的默認(rèn)值修改為關(guān)閉快速啟動的值，保證在安裝Ubuntu系統(tǒng)后的grub正常運行。最后使用wq方式保存當(dāng)前安裝。也可以進入DOS環(huán)境編譯修改win的設(shè)置。

第三步：在DOS環(huán)境中restart個人終端。通過快捷鍵進入bios空間。進入方式依據(jù)PC型號不同而不同，進入系統(tǒng)bios后將U盤啟動調(diào)整為最優(yōu)先項目，設(shè)置后再次restart切換進入ubuntu安裝界面。進入ubuntu主界面后在U盤中找到刻錄的ISO文件雙擊打開ubuntu安裝文件，完成默認(rèn)設(shè)置。[1]

第四步：在Ubuntu下創(chuàng)建新的二進制空間，以add方式創(chuàng)建四個新的分區(qū)空間，分區(qū)空間以之前分配的60*1024MB為基準(zhǔn)。首先將10*1024MB分配為基礎(chǔ)二進制空間，又在基礎(chǔ)二進制空間上，添加20*1024MB作為空間的起始部分。通過布爾轉(zhuǎn)換設(shè)置空間的日志及邏輯分區(qū)，將剩下的空間全部作為銜接雙系統(tǒng)的swap邏輯空間。

切換回windows系統(tǒng)設(shè)置引導(dǎo)內(nèi)容，保證兩個系統(tǒng)在開機中有選擇性進入欄目。在DOS下進入/boot編譯設(shè)置，將引導(dǎo)路徑設(shè)置為由windows下主導(dǎo)的路徑。restart終端，進入Win10下的EasyBCD完成最后的引導(dǎo)設(shè)置。在進入add新條目欄目下選擇Linux/BSD操作系統(tǒng)，在“驅(qū)動器”欄目選擇接近200M的Linux分區(qū)，點添加條目。

1.2 修改gcc

為了將Ubuntu系統(tǒng)配置為適合生物信息分析系統(tǒng)，方便編譯生物信息分析軟件，需要修改gcc，通常計算機內(nèi)置gcc為以下：

Lrwx 1 root root 7 2018.02.18 22：45：31 /usr/bin/ect/gcc>gcc4.6

rwxrxrx 1 root root 2215423 2018.02.18 22：45：31 /usr/bin/etc/gcc4.4

rwxx 1 root root 214369 2018.02.18 22：45：31 /usr/bin/etc/gcc4.5

rwxrxrx 1 root root 336547 2018.02.18 22：45：31 /usr/bin/etc/gcc4.6

由上面顯示可以看出默認(rèn)安裝的是gcc4.6，現(xiàn)在來改成gcc4.4：

（1）rmdir pgcc-4.6 /usr/bin/etc/gcc。將這個連接的軟性設(shè)置刪除

（2）terminal：sudo rmdir r /usr/bin/etc/gcc & chown /usr/bin/etc/gcc 770

（3）創(chuàng)建一個軟連接，指向gcc4.4[2]

（4）terminal：sudo ln s /usr/bin/etc/gcc4.4 /usr/bin/etc/gcc

（5）terminal using：gcc v

（6）使用內(nèi)建 specs

目標(biāo)：i686linuxgnu

配置為：

../src/configurevwithpkgversion='wksngbusgkxhjkg/Ubuntu/Linaro4.4.611ubuntu2'withbugurlPATH=$PATH&file：///usr/share/doc/gcc4.4/README.Bugsenabl，fortran，objc，objc++prefix=/usr/shufkgu/kgihgfnue/programsuffix=4.4/dhiajsd/ighugriuenableshared/dajcunduewithsystemzlib libexecdir=/usr/lib withoutfdcuekshuf/cbiutgk/lognu/logout/ttext=posix/PATH：bashrc>>sifhu/ubuntu/clude/c++/4.4libdir=/usr/lib/longus/ubutnu/usr/bin/etcenableclocale=gnutdcxxdebugenableobjcgc/snculsi/enabletargets=all/prefix/disablewerrorwitharch32=i686withtune=genericenablechecking=release/ubuntubuild=i686linuxgnuhost=i686linuxgnu target=i686linuxgnu

2 軟件安裝與編譯

2.1 Fastx_toolkit

高通量測序數(shù)據(jù)下載后的原始fastq文件，包含4行，其中一行為質(zhì)量值，另外一行則為對應(yīng)序列，我們都了解高通量的數(shù)據(jù)處理首先要進行質(zhì)量控制[3]，這些過程包括去接頭、過濾低質(zhì)量reads、去除低質(zhì)量的3和5端，去除N較多的reads等，而針對高通量測序數(shù)據(jù)的質(zhì)控軟件也有很多，一般使用Fastxtoolkit，下載如下：

fastx_toolkit0.0.13.2.tar.bz2libgtextutils0.6.1.tar.bz2

tar zxvflibgtextutils0.6.1.tar.bz2

cd libgtextutils0.6.1

./configure && make && sudo make install

Export PATH PKG_CONFIG_PATH=/usr/local/lib/pkgconfig：$PKG_CONFIG_PATH

cd ../fastx_toolkit sudo make install

2.2 TopHat安裝

TopHat是一個快速將RNASeq數(shù)據(jù)剪接映射的程序，它將讀段大小分散成不同的小片段，對每個小片段進行重新建模，再根據(jù)空位罰分機制將小片段和參考基因組上的片段進行比對。在片段長度足夠小的時候會增加非特異性比對次數(shù)，所以需要設(shè)置最小片段的最大長度限制。通常大基因組物種選擇長讀段測序，設(shè)置較大最小片段的最大長度，小基因組物種則反之。

直接下載適合于Linux x86_64的二進制文件，解壓縮即可使用。

http：tophat.cbcb.umd.edu/downloads/tophat2.0.8b.Linux_x86_64.tar.gz

需要注意，很多接頭序列比較長，應(yīng)搞清楚具體實驗時的接頭長度。通常情況下，我們需要將接頭之間的序列進行比對和過濾。

3 結(jié)論

生物信息的環(huán)境配置首先要將原Ubuntu系統(tǒng)的g++/gcc進行修改，這樣可以將權(quán)限及操作環(huán)境修改為最適合生物信息分析的狀態(tài)。

軟件安裝上，使用Fastx_toolkit和比對軟件可以對各種測序結(jié)果進行數(shù)據(jù)分析。

Tophat可以將數(shù)據(jù)進行動態(tài)映射，保證數(shù)據(jù)分析的快速性。

參考文獻：

[1]郭敏，張東林，劉艷軍，彭永東，王建濤，付志新，董淑珍，劉錚鑄，鞏元芳，李祥龍.藍(lán)狐MITFM基因序列擴增及生物信息學(xué)分析[J].中國畜牧獸醫(yī)，2018（01）：4756.

[2]湯莊力，王添，肖生祥，王曉鵬.表皮松解性掌跖角化病一家系KRT9基因突變檢測及生物信息學(xué)分析[J].中國麻風(fēng)皮膚病雜志，2017，33（12）：709711+716.

[3]羅文奇.計算機技術(shù)在生物信息學(xué)研究中的應(yīng)用分析[J].中國管理信息化，2017，20（20）：151152.