万字长文详解| rMATS可变剪切分析从安装到实战全流程指南-程序员充电站

1. 初识rMATS：可变剪切分析的瑞士军刀

第一次听说rMATS这个工具时，我正在处理一批肿瘤样本的RNA-seq数据。当时实验室的师兄神秘兮兮地说："想找差异可变剪切事件？试试这个神器！"结果一用就是五年，现在它已经成为我分析RNA-seq数据的标配工具。

rMATS全称replicate MATS，是由宾夕法尼亚大学Xing Lab开发的专业分析工具。它最厉害的地方在于能够准确识别两组样本间的差异可变剪切事件，并且支持生物学重复分析。相比其他工具，rMATS在统计模型上做了重要改进，特别适合处理有重复样本的实验设计。

什么是可变剪切？简单说就是同一个基因可以产生不同的mRNA亚型。就像做菜时同样的食材可以做出不同菜式，可变剪切让一个基因能编码多种蛋白质。在癌症等疾病中，可变剪切异常非常常见。我去年分析的一批肺癌数据就发现，近30%的差异表达基因其实伴随着可变剪切变化。

rMATS能检测五种经典的可变剪切类型：

SE（外显子跳跃）
MXE（互斥外显子）
A3SS（3'端可变剪切）
A5SS（5'端可变剪切）
RI（内含子保留）

2. 从零开始搭建rMATS环境

2.1 基础环境准备

第一次安装rMATS的经历堪称"血泪史"。记得当时为了编译GSL库折腾了一整天，现在回想起来，其实用conda可以省去很多麻烦。以下是经过多次实践验证的最佳安装方案：

建议使用Ubuntu 20.04 LTS系统，内存最好16G以上。先安装miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

然后创建专用环境：

conda create -n rmats python=3.6.12 conda activate rmats

2.2 依赖安装的避坑指南

官方文档列出的依赖很多，但其实conda都能搞定。特别注意这几个容易出问题的包：

conda install -c conda-forge gsl=2.5 conda install -c bioconda rmats=4.1.2 conda install cython=0.29.21

我遇到过最头疼的问题是libgsl.so.25找不到，这是因为GSL库路径没设置对。解决方法：

export LD_LIBRARY_PATH=$CONDA_PREFIX/lib:$LD_LIBRARY_PATH

2.3 源码安装进阶版

如果想用最新版，可以从GitHub安装：

git clone https://github.com/Xinglab/rmats-turbo.git cd rmats-turbo ./build_rmats

测试是否安装成功：

python rmats.py --help

如果看到帮助信息就说明安装成功了。建议把rmats.py所在目录加入PATH，方便随时调用。

3. 实战演练：从数据到结果

3.1 输入文件准备

rMATS支持两种输入方式：

原始fastq文件（需要STAR索引）
比对后的bam文件

我更喜欢用bam文件，因为可以先用STAR或HISAT2做好质量控制。准备两个分组文件，比如group1.txt和group2.txt，内容格式如下：

/path/to/sample1_rep1.bam,/path/to/sample1_rep2.bam

3.2 完整分析流程

一个典型的运行命令：

python rmats.py \ --b1 group1.txt \ --b2 group2.txt \ --gtf /path/to/annotation.gtf \ -t paired \ --readLength 150 \ --nthread 8 \ --od ./results \ --tmp ./temp

关键参数解析：

--readLength：必须与测序读长一致
--nthread：建议设为CPU核心数的70%
--libType：链特异性文库要设置正确

3.3 结果解读技巧

运行完成后，results目录会生成多个文件。最重要的是这些：

SE.MATS.JC.txt：外显子跳跃事件
MXE.MATS.JC.txt：互斥外显子事件
summary.txt：结果概览

重点关注这几列：

IncLevelDifference：剪切水平差异
FDR：校正后的p值
IncLevel1/IncLevel2：两组剪切水平

我通常先用FDR<0.05和|IncLevelDifference|>0.1筛选显著事件，然后再看具体基因。

4. 可视化呈现：让结果一目了然

4.1 安装rmats2sashimiplot

结果文件不够直观？试试可视化：

conda install -c bioconda rmats2sashimiplot

4.2 绘制剪切图谱

典型命令：

rmats2sashimiplot \ --b1 sample1_rep1.bam,sample1_rep2.bam \ --b2 sample2_rep1.bam,sample2_rep2.bam \ -t SE \ -e SE.MATS.JC.txt \ --l1 "Normal" \ --l2 "Tumor" \ -o ./sashimi_plots

4.3 解读可视化结果

生成的PDF图中：

外显子显示为方块
内含子为连接线
曲线高度代表测序覆盖度
数字是junction reads数

我经常用这个功能向合作者展示关键基因的可变剪切模式，比表格数据直观多了。

5. 常见问题排雷指南

5.1 报错处理经验谈

找不到GSL库：检查LD_LIBRARY_PATH是否包含conda的lib目录
内存不足：尝试减小--nthread数，或者分步运行（--task prep/post）
GTF格式问题：确保GTF是标准格式，可以用gffread转换

5.2 参数优化心得

对于小数据量（<6样本），--task both效率更高
大数据集建议拆分运行，先prep再post
链特异性数据务必设置--libType

5.3 性能优化技巧

使用tmpfs加速临时文件读写：
```
--tmp /dev/shm/tmp
```
预处理BAM文件：排序并建立索引
并行化处理：不同染色体分开运行

6. 从分析到生物学发现

去年用rMATS分析乳腺癌数据时，发现一个抑癌基因的新剪切变体。通过实验验证，这个变体确实影响了蛋白功能。这就是生物信息学最激动人心的时刻——从数据中发现新的生物学现象。

对于想深入研究可变剪切的朋友，我建议：

先做差异剪切分析
结合差异表达结果
用PCR验证关键事件
最后探索功能机制

rMATS只是起点，真正的挑战在于后续的生物学验证和功能研究。不过有了这个得力助手，至少数据分析这部分可以事半功倍。

万字长文详解| rMATS可变剪切分析从安装到实战全流程指南