使用MAKER进行全基因组基因注释-基础篇

maker

在基因组注释上,MAKER算是一个很强大的分析流程。能够识别重复序列,将EST和蛋白序列比对到基因组,进行从头预测,并在最后整合这三个结果保证结果的可靠性。此外,MAKER还可以不断训练,最初的输出结果可以继续用作输入训练基因预测的算法,从而获取更高质量的基因模型。

Maker的使用比较简单,在软件安装成后,会有一个”data”文件夹存放测试数据

1
2
ls ~/opt/biosoft/maker/data
dpp_contig.fasta dpp_est.fasta dpp_protein.fasta hsap_contig.fasta hsap_est.fasta hsap_protein.fasta te_proteins.fasta

以”dpp”开头的数据集为例,protein表示是同源物种的蛋白序列,est是表达序列标签,存放的是片段化的cDNA序列,而contig则是需要被预测的基因组序列。

让我们新建一个文件夹,并将这些测试数据拷贝过来。

1
2
mkdir test01 ; cd test01
cp ~/opt/biosoft/maker/data/dpp* .

由于基因组注释设计到多个程序,多个步骤,每个步骤可能都有很多参数需要调整,因此就需要建立专门的配置文件用来告诉maker应该如何控制流程的运行。

如下步骤创建三个以ctl结尾的配置文件

1
2
3
~/opt/biosoft/maker/bin/maker -CTL
ls *.ctl
maker_bopts.ctl maker_exe.ctl maker_opts.ctl
  • maker_exe.ctl: 执行程序的路径
  • maker_bopt.ctl: BLAST和Exonerat的过滤参数
  • maker_opt.ctl: 其他信息,例如输入基因组文件

maker_exe.ctl和maker_bopt.ctl可以简单用less查看,可不做修改,maker_opt.ctl是主要调整的对象。 使用vim maker_opt.ctl修改如下内容

1
2
3
4
genome=dpp_contig.fasta
est=dpp_est.fasta
protein=dpp_protein.fasta
est2genome=1

修改完之后多花几分钟看看每个参数的设置,尽管很枯燥,但是考虑这个工具你可能会反复多次使用,所以这点时间是一定要花的。

随后就可以在当前路径运行程序

1
~/opt/biosoft/maker/bin/maker &> maker.log &

输出结果见”dpp_contig.maker.output”, 重点是”dpp_contig_master_datastore_index.log”文件,由于maker会拆分数据集并行计算,因此该文件记录总体的运行情况,需要关注其中是否有”FAILED”,”RETRY”,”SKIPPED_SAMLL”,”DIED_SIPPED_PERMANET”,因为这意味着有些数据出于某些原因没有运算。

最后,我们需要将并行运算的结果进行整合,导出GFF文件, 转录本序列和蛋白序列

1
2
~/opt/biosoft/maker/bin/fasta_merge -d dpp_contig_master_datastore_index.log
~/opt/biosoft/maker/bin/gff3_merge -d dpp_contig_master_datastore_index.log

在该目录下就会出现, “dpp_contig.all.gff”, “dpp_contig.all.maker.proteins.fasta”,”dpp_contig.all.maker.transcripts.fasta”

其中GFF文件就需要用IGV,JBrowse, Apollo下展示来检查下注释是否正确。

附录

软件安装:MAKER可以免费用于学术用途,但是未经许可不可商用。目前有两个版本2018年5月4日更新的2.31.10和测试版3.01.02.出于稳定性考虑,安装前者。后续假设已经在http://yandell.topaz.genetics.utah.edu/cgi-bin/maker_license.cgi进行登记,并且下载了压缩包”maker-2.31.10.tgz”

先检查下自己的系统情况,看需要补充哪些库

1
2
3
tar xf maker-2.31.10.tgz
cd maker/src
perl Build.PL

这一步之后会罗列出后续需要运行的命令来完成安装

1
2
3
4
./Build installdeps
./Build installexes
./Build install
./Build status

参考资料

  • Genome Annotation and Curation Using MAKER and MAKER-P