生物信息學分析的計算機環境最優配置

劉楨 于岸洲

摘要：生物信息學是現代生物學、計算機科學和數學的交叉學科，主要通過數學方法借助計算機對生物數據進行科學分析，相對于傳統實驗方法更高效、更具有邏輯性。本文主要以Linux系統的衍生系統——Ubuntu系統為分析系統，介紹如何配置最適合于生物信息學分析的計算機環境。

關鍵詞：生物信息學；分析環境配置；Ubuntu系統；生物數據分析

生物信息學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科，是生命科學和計算機科學相結合形成的一門新學科。它通過綜合利用生物學，計算機科學和信息技術而揭示繁雜的生物數據所蘊含的生物學意義。ubuntu系統基于Debian發行版和GNOME桌面環境。它的目標在于為用戶提供一個最新的、相對穩定的主要由自由軟件構成的操作系統，可免費使用，并帶有社團及專業支持。本文介紹了如何借助Ubuntu系統，配置較優的生物信息學分析環境。

1 生物信息分析環境的配置

1.1 安裝win+Ubuntu雙系統

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系統下的電源功能。將原來的默認值修改為關閉快速啟動的值，保證在安裝Ubuntu系統后的grub正常運行。最后使用wq方式保存當前安裝。也可以進入DOS環境編譯修改win的設置。

第三步：在DOS環境中restart個人終端。通過快捷鍵進入bios空間。進入方式依據PC型號不同而不同，進入系統bios后將U盤啟動調整為最優先項目，設置后再次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，完成默認設置。[1]

第四步：在Ubuntu下創建新的二進制空間，以add方式創建四個新的分區空間，分區空間以之前分配的60*1024MB為基準。首先將10*1024MB分配為基礎二進制空間，又在基礎二進制空間上，添加20*1024MB作為空間的起始部分。通過布爾轉換設置空間的日志及邏輯分區，將剩下的空間全部作為銜接雙系統的swap邏輯空間。

切換回windows系統設置引導內容，保證兩個系統在開機中有選擇性進入欄目。在DOS下進入/boot編譯設置，將引導路徑設置為由windows下主導的路徑。restart終端，進入Win10下的EasyBCD完成最后的引導設置。在進入add新條目欄目下選擇Linux/BSD操作系統，在“驅動器”欄目選擇接近200M的Linux分區，點添加條目。

1.2 修改gcc

為了將Ubuntu系統配置為適合生物信息分析系統，方便編譯生物信息分析軟件，需要修改gcc，通常計算機內置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安裝的是gcc4.6，現在來改成gcc4.4：

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

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

（3）創建一個軟連接，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）使用內建 specs

目標：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

高通量測序數據下載后的原始fastq文件，包含4行，其中一行為質量值，另外一行則為對應序列，我們都了解高通量的數據處理首先要進行質量控制[3]，這些過程包括去接頭、過濾低質量reads、去除低質量的3和5端，去除N較多的reads等，而針對高通量測序數據的質控軟件也有很多，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數據剪接映射的程序，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，所以需要設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 結論

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

軟件安裝上，使用Fastx_toolkit和比對軟件可以對各種測序結果進行數據分析。

Tophat可以將數據進行動態映射，保證數據分析的快速性。

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.藍狐MITFM基因序列擴增及生物信息學分析[J].中國畜牧獸醫，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分析[J].中國麻風皮膚病雜志，2017，33（12）：709711+716.

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