Exercice 1: prise en main des données et du format fastq

1. Se rendre sur le site du NCBI et en une requête, rechercher les run SRR7062654 et SRR7062655.

   Solution

   • saisir SRR7062654 OR SRR7062655
   • puis aller dans SRA

2. Explorer les metadonnées : organisme ? échantillon ? séquenceur utilisé ? séquençage pairé ?

   Solution

   • poulet
   • Ethioian-Horro1-indigenous-chicken
   • Illumina HiSeq 2500
   • PAIRED

3. Manipulation du format fastq.
   A partir des fichiers que vous avez recupérés comme indiqué sur la page introduction, faites les opérations suivantes.

   • Afficher le contenu du fichier SRR7062654_R1.fastq.gz à l'aide de la commande zmore.
   Solution

   zmore SRR7062654_R1.fastq.gz
   

   • Extraire et comparer les 5 premiers identifiants de chaque fastq du run SRR7062654.
   Solution

   zgrep '^@SRR' SRR7062654_R1.fastq.gz | head -n 5
   

   @SRR7062654.369
   @SRR7062654.405
   @SRR7062654.484
   @SRR7062654.649
   @SRR7062654.706
   

   zgrep '^@SRR' SRR7062654_R2.fastq.gz | head -n 5
   

   @SRR7062654.369
   @SRR7062654.405
   @SRR7062654.484
   @SRR7062654.649
   @SRR7062654.706
   

   • Quel est le nombre de fragments dans le run SRR7062654 ?
   Solution

   zgrep -c '^@SRR' SRR7062654_R?.fastq.gz
   

   SRR7062654_R1.fastq.gz: 993954
   SRR7062654_R2.fastq.gz: 993954
   

   • Combien de lectures contiennent un ou plusieurs « N » dans le run SRR7062654 ?
   Solution

   zgrep -c '^[ATCG]*N[ATCGN]*$' SRR7062654_R?.fastq.gz
   

   SRR7062654_R1.fastq.gz:2887
   SRR7062654_R2.fastq.gz:2778
   

4. Analyse de la qualité du séquençage, pour cela suivre les indications suivantes :

   • Rechercher le module fastqc
   • Charger le module
   • Lancer le logiciel fastqc sur chaque fichier fastq (plusieurs façons de faire mais dans tous les cas l'exécution doit se faire sur le cluster !)
   • Vérifier l'exécution à l'aide de la commande squeue -u USERNAME
   Solution oneline

   search_module fastqc
   module load bioinfo/FastQC/0.12.1
   for i in *.fastq.gz ;  do echo "fastqc $i"; done > 0_fastqc.jobs
   mkdir LOGS
   sarray -J 0_fastqc -e LOGS/%x_%j.err -o LOGS/%x_%j.out 0_fastqc.jobs
   

   💡 la syntaxe de la boucle for en Bash est for VAR in LIST; do CMDS; done. La variable VAR prend tour à tour les valeurs contenues dans LIST et les commandes CMDS sont exécutées. Ici LIST est constituée des noms des fichiers du répertoire courant se terminant par .fastq.gz.

5. Explorer les rapports html en utilisant le public_html.

   • Créer un répertoire pour rendre accessibles les fichiers via le web :

     mkdir -p ~/save/public_html; ln -s ~/save/public_html ~/public_html
     chmod a+x ~/save ; chmod 755 ~/save/public_html
     

   • Copier les rapports fastQC *.html dans votre ~/public_html

     cp *.html ~/public_html/
     

     Accéder via un navigateur à la page https://web-genobioinfo.toulouse.inrae.fr/~USERNAME et visualiser les fichiers html.

6. Fin de l'exercice.

   Solution

   Bingo: aller boire un café !