用途:把 bulk RNA-seq 从 FASTQ 一路处理成基因×样本计数矩阵,并衔接差异表达(DESeq2/edgeR/limma)与火山图。基于 omicverse 的 ov.alignment 模块,工具从 PATH 或 conda 环境自动解析,auto_install=True 时经 mamba/conda 按需安装。
主要能力与用法:
- SRA 数据获取:ov.alignment.prefetch 下载并用 vdb-validate 校验完整性,ov.alignment.fqdump 转 FASTQ 且自动识别单端/双端;对 .lite.1 直链可用 ov.datasets.download_data 加 ov.alignment.parallel_fastq_dump。
- 质控:ov.alignment.fastp 做接头修剪与过滤,样本格式为 (sample_name, fq1_path, fq2_path_or_None),输出 JSON/HTML 报告。
- 路径 A(比对法):ov.alignment.STAR 比对,auto_index=True 可自动建索引,产出坐标排序 BAM;ov.alignment.featureCount 计数,自动识别双端、gene_mapping、merge_matrix=True 生成计数 DataFrame。
- 路径 B(免比对):ov.alignment.single.ref 建 kallisto 索引、t2g 与 cDNA;ov.alignment.count 以 technology='BULK' 定量,需 filter_barcodes=False、parity='paired'|'single'、strand='unstranded'|'forward'|'reverse',每样本输出 adata.h5ad 与基因名文件。
- 下游:两条路径的计数矩阵都可传入 ov.bulk.pyDEG,再 deg_analysis、foldchange_set、plot_volcano。
适用场景:需要 BAM 或关注转录本结构/剪接时走 STAR;追求速度且主要用于基因水平差异表达时走 kb-python。
限制:单细胞 kb-python(technology='10XV2/10XV3'、velocity)不在范围内,见 single-cell-kb-alignment。DESeq2 需原始整数计数,勿先做对数归一化;treatment_groups/control_groups 填样本 ID 而非分组标签;kb 定量零计数需核对 parity 与 strand。已完成的步骤在 overwrite=False 下会跳过。参考基因组与注释建议来自同一 Ensembl 版本。安装命令:pip install kb-python。其余细节以官方文档与 notebook 为准。