以SRA数据库中DRP003950数据集为练习对象。该数据集使用Tamoxifen处理MCF-7细胞系，分别测定了1到12周处理组和对照组的表达谱。为简单起见，本实验仅要求比较处理一周后MCF-7表达谱的变化情况，并进行下机数据清理和序列比对

以下是处理该数据集的基本流程：

1. 下载数据集

从SRA数据库中下载DRP003950数据集对应的sra文件，使用fastq-dump工具将sra文件转换成fastq文件。

fastq-dump --split-files SRR1130174

2. 数据预处理

使用fastp对fastq文件进行质量控制和接头序列去除。

fastp -i SRR1130174_1.fastq -I SRR1130174_2.fastq -o clean_1.fastq -O clean_2.fastq --cut_tail --cut_tail_mean_quality 20 --cut_tail_window_size 20

3. 下载参考基因组

从UCSC下载人类基因组fasta文件和基因注释gtf文件，构建基因组索引。

hisat2-build -p 4 hg38.fa hg38

4. 进行序列比对

使用Hisat2对样本进行序列比对，生成bam文件。

hisat2 -p 4 --dta -x hg38 -1 clean_1.fastq -2 clean_2.fastq -S sample.sam
samtools view -Sb -@ 4 sample.sam > sample.bam

5. 进行基因转录水平定量

使用featureCounts对bam文件进行基因转录水平定量。

featureCounts -p -t exon -g gene_id -a hg38.gtf -o counts.txt sample.bam

这样就可以得到基因的转录本计数信息，根据需要进行进一步的生物学分析。