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

本文是开源基因组浏览器JBrowse教程系列的第二篇，尚未部署好JBrowse的同学请移步第一篇安装篇

所谓基因组浏览器就是通过这个工具查看基因组，具体包括参考基因组序列，哪个地方是外显子、那个地方是内含子等等功能。参考基因组就是一个fasta文件，哪个地方是外显子、哪个地方是内含子这些信息称之为特征，一般情况下NCBI、ENSEMBL等数据库都会提供GFF3格式的基因组特征文件，关于GFF3格式的说明请参考我的另外一篇文章GFF3格式说明。

以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目录提供了很多方便使用的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

格式化特征文件需要用到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可以是GFF3、BED、GBK三种中的一种（熟悉Linux命令行的同学应该能够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，这个参数会作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
}

这个文件是当前的所有的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！

这个时候一般你打开浏览器输入http://localhost:3003就可以访问了，但是有一个隐患。JBrowse默认是支持多个基因组的，而且默认bin目录下的各种脚本的输出路径都是data目录，那如果我下次又想弄一个基因组，经过上面两步也放到了data目录，那岂不是很混乱？JBrowse已经为我们想好了解决方案，你只需要把现在的data目录改一下名字就行了：

$ mv data Arabidopsis_thaliana

下次再把另外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，因为http://localhost:3003不加参数的话默认就是访问data目录的数据，现在你把data目录重命名当然不存在啦。现在想访问刚刚的拟南芥数据可以给这个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，如果你把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，请一定要记得把jbrowse.conf加入到防火墙白名单，因为防火墙默认会把这种.conf结尾的文件屏蔽。

deepxin