开源基因组浏览器JBrowse教程系列第二篇：使用拟南芥基因组演示怎么配置JBrowse

开源基因组浏览器JBrowse教程系列第二篇：使用拟南芥基因组演示怎么配置JBrowse

系统：Arch Linux
JBrowse版本：1.12.1

假设JBrowse安装目录为：/www/jb
假设下载保存路径为：/pub1/dl
假设JBrowse安装的服务器为：http://localhost:3003

本文是开源基因组浏览器JBrowse教程系列的第二篇，还没有部署好JBrowse的同窗请移步第一篇安装篇

所谓基因组浏览器就是经过这个工具查看基因组，具体包括参考基因组序列，哪一个地方是外显子、那个地方是内含子等等功能。参考基因组就是一个fasta文件，哪一个地方是外显子、哪一个地方是内含子这些信息称之为特征，通常状况下NCBI、ENSEMBL等数据库都会提供GFF3格式的基因组特征文件，关于GFF3格式的说明请参考个人另一篇文章GFF3格式说明。

如下以拟南芥为例演示怎么使用JBrowse。

第一步：准备数据

拟南芥的基因组下载地址
基因组特征GFF3下载地址

下载拟南芥基因组：

$ wget ftp://ftp.ensemblgenomes.org/pub/release-36/plants/fasta/arabidopsis_thaliana/dna/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.gz

下载拟南芥基因组特征文件：

$ wget ftp://ftp.ensemblgenomes.org/pub/release-36/plants/gff3/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.36.abinitio.gff3.gz

解压：

$ gzip -d Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.gz
$ gzip -d Arabidopsis_thaliana.TAIR10.36.abinitio.gff3.gz

第二步：格式化参考基因组

JBrowse安装目录下的bin目录提供了不少方便使用的perl脚本，例如：

$ cd /www/jb
$ ls bin
add-bam-track.pl  add-json.pl        bam-to-json.pl    cpanm                   flatfile-to-json.pl  jbdoc         maker2jbrowse  prepare-refseqs.pl  ucsc-to-json.pl                                               
add-bw-track.pl   add-track-json.pl  biodb-to-json.pl  draw-basepair-track.pl  generate-names.pl    json2conf.pl  new-plugin.pl  remove-track.pl     wig-to-json.pl

其中bin/prepare-refseqs.pl是用来格式化参考基因组序列的。

使用方法为：

$ prepare-refseqs.pl --fasta <file1>

即：

$ bin/prepare-refseqs.pl --fasta /pub1/dl/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa

这时你看一下data目录，发现目录下多了一些文件：

$ tree -L 2 data
data                                                
├── seq                                             
│   ├── 1ad                                         
│   ├── 536                                         
│   ├── 6dd                                         
│   ├── 83d                                         
│   ├── 84b                                         
│   ├── ac0                                         
│   ├── f3b                                         
│   └── refSeqs.json                                
├── trackList.json                                  
└── tracks.conf

其中seq目录下的1ad、536等等目录都是存放格式化好的参考基因组文件的。

第三步：格式化特征文件

格式化特征文件须要用到bin/flatfile-to-json.pl这个脚本，使用方式为：

$ bin/flatfile-to-json.pl (--gff <GFF3 file> | --bed <BED file> | --gbk <GenBank file>) --trackLabel <track identifier>

也就是说你这个特征文件能够是GFF三、BED、GBK三种中的一种（熟悉Linux命令行的同窗应该可以很轻易地看懂这个说明），另外必须提供trackLabel这个参数，来指定这个track的ID，这个参数会做为名字显示在基因组浏览器的左侧的tracks那一列。

即：

$ bin/flatfile-to-json.pl --gff /pub/dl/Arabidopsis_thaliana.TAIR10.36.abinitio.gff3 --trackLabel 'GFF3 Annotations'

运行完毕，再打开data/trackList.json你就会发现多了一些东西：

{                                                   
   "tracks" : [                                     
      {                                             
         "seqType" : "dna",                         
         "key" : "Reference sequence",              
         "storeClass" : "JBrowse/Store/Sequence/StaticChunked",                                          
         "chunkSize" : 20000,                       
         "urlTemplate" : "seq/{refseq_dirpath}/{refseq}-",                                               
         "label" : "DNA",                           
         "type" : "SequenceTrack",                  
         "category" : "Reference sequence"          
      },                                            
      {                                             
         "style" : {                                
            "className" : "feature"                 
         },                                         
         "key" : "GFF3 Annotations",                
         "storeClass" : "JBrowse/Store/SeqFeature/NCList",                                               
         "trackType" : null,                        
         "urlTemplate" : "tracks/GFF3 Annotations/{refseq}/trackData.json",                              
         "compress" : 0,                            
         "type" : "FeatureTrack",                   
         "label" : "GFF3 Annotations"               
      }                                             
   ],                                               
   "formatVersion" : 1                              
}

这个文件是当前的全部的track，以JSON文件存储，其实就是一个文本而已，不过这个文本对程序是友好的，仔细阅读你就会发现有两个track，再看看不就是我刚刚格式化的参考基因组和特征文件嘛！

这个时候通常你打开浏览器输入http://localhost:3003就能够访问了，可是有一个隐患。JBrowse默认是支持多个基因组的，并且默认bin目录下的各类脚本的输出路径都是data目录，那若是我下次又想弄一个基因组，通过上面两步也放到了data目录，那岂不是很混乱？JBrowse已经为咱们想好了解决方案，你只须要把如今的data目录改一下名字就好了：

$ mv data Arabidopsis_thaliana

下次再把另一个基因组放进来时，bin目录下的脚本又会默认放到data目录，就不会发生混乱啦！

这时你访问http://localhost:3003就会发现这是一个错误页，由于http://localhost:3003不加参数的话默认就是访问data目录的数据，如今你把data目录重命名固然不存在啦。如今想访问刚刚的拟南芥数据能够给这个URL加上get参数，即：http://localhost:3003/?data=Arabidopsis_thaliana，也就是把data=后面的字符换成刚刚修改后的文件夹的名字。

另外，若是你把JBrowse部署在内网，却想让外网访问到，而部署JBrowse的服务器又在防火墙后面的话，请必定要记得把jbrowse.conf加入到防火墙白名单，由于防火墙默认会把这种.conf结尾的文件屏蔽。