生信学习笔记：用gmap将dna的片段mapping到基因组上

gmap是一款可以用于将DNA片段mapping到基因组上的软件，相对于bowie和bwa有其优点，同学们可以比较下。

1. 下载gmap：

http://research-pub.gene.com/gmap/

从上面的下载地址中下载最新版，如果要下载比较旧的版本，可以选择“Previously released versions”，本人选择的是gmap-gsnap-2019-06-10.tar.gz，系统是centos7。

# 下载
$ wget http://research-pub.gene.com/gmap/src/gmap-gsnap-2019-06-10.tar.gz
# 解压
$ tar xvf gmap-gsnap-2019-06-10.tar.gz

2. 安装gmap

centos的软件安装都大同小异。这里需要注意的是gmap是可以提前设置一些参数的（序列索引的位置和软件的主要工具安装的位置），有两种方法设置：

方法一：

直接编辑解压后文件夹中的config.site，在这个文件中找到下面两个参数，并在后面修改之或添加之，如果没有找到，确定是否下载完整：

– prefix: binaries will install into prefix/bin 软件的主要工具安装的位置
– with_gmapdb: location of genome directory 参考序列索引的位置

方法二：

直接在安装步骤第一步configure进行如下操作

./configure --prefix=/your/usr/local/path --with-gmapdb=/path/to/gmapdb
# 两个参数的具体意思参照第一个方法

然后就可以开始安装了。

./configure
# 如果是使用方法二，记得加上--prefix等参数
make
make check 
# 这个make check是可选的
make install

3. 建立参考序列的索引

安装成功后，就可以正式开始使用了，首先要建立参考序列的索引，下面提供几种方法：

方法一：

直接利用官网中的索引，把索引压缩包解压到gmapdb（就是上一步中提到的建立索引的文件夹），大约5.5G，但是这个索引的压缩包很多版本都不适用，所以不建议（事实上，本人也试过，没用）。

这里附上下载地址：http://research-pub.gene.com/gmap/genomes/hg19.tar.gz

方法二：

自己找参考序列。官网中提到了两个参考序列，是给大家建立索引用。

一个是hg19序列，大约900M，UCSC hg19/GRCh37：ftp://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz

一个GRCh37，大约800M，Ensembl GRCh37：ftp://ftp.ensembl.org/pub/release-75/fasta/homo_sapiens/dna/Homo_sapiens.GRCh37.75.dna.primary_assembly.fa.gz

这里我选的是第二个来建立。

$ gmap_build -d my_homo1 rawdata/refer/Homo_sapiens.GRCh37.75.dna.primary_assembly.fa
# Homo_sapiens.GRCh37.75.dna.primary_assembly.fa记得解压

gmap用gmap_build来建立索引，下面解释一下参数：

-d <genome_name> [genome_fasta]

这个参数是用来将genome_fasta文件（fasta格式）建立索引名为genome_name的参考序列索引，另外，还有一个-D参数，是设置将这个索引建立在那个文件夹，这个genome_name自己取一个名字就可以。

4. mapping

建立好索引后，就可以开始mapping了，首先准备好要mapping的fasta文件。我是到Ensembl 上找到hg19的fasta文件导出的，导出了从5'到3'的0-1000bp的fasta文件。

$ gmap -t 5 -D gmapdb -d my_homo1 -f gff3_gene rawdata/fa/hg19_1000.fa > mapping_dir_tst/mapping_homo_hg19_1000.gff3

使用的是gmap格式，输出的是gtt3格式，这里解释一下参数：

-t 表示使用多少条线程进行计算，线程越多表示用于这个指令的资源越多，主要自己的服务器的总线程数，不要跑崩。这个不设置也可以，默认是1

-D 参考序列索引的位置

-d 参考序列索引的名字+需要mapping的fasta的文件，和上一个步骤的-d参数一样

-f 输出格式，gmap支持很多格式输出，这里我们输出的gff3格式（用gff3_gene），同学们可以根据自己的喜好输出其他格式。

如果不设置输出格式也不设置输出位置，它就只会把结果print在控制台上。至此，mapping完成，同学们可以根据自己的结果考虑要不要重现调整参数进行mapping，或者进入下一步分析。

生信菜鸟，如果有什么说得不对，请多多批评指正。

参考：

如何使用GMAP/GSNAP进行转录组序列比对 https://www.jianshu.com/p/3f331861c364

gmap的官方说明书和下载地址：http://research-pub.gene.com/gmap/

【直播】我的基因组（十一）:测序数据的比对：http://www.bio-info-trainee.com/2112.html

用 GMAP/GSNAP软件进行RNA-seq的alignment：https://www.plob.org/article/9749.html