## 软件安装
软件地址在<http://www.compgen.uni-muenster.de/tools/teclass/index.hbi?>, 由于TEclass这个软件已经许久没有更新了，因此还要讲解下安装步骤。
> 最近更新了一个2.1.3c, 经过我测试发现，应该就是把之前无法下载URL做了更新。classifiers.tar.gz无更新。
```bash
wget http://www.compgen.uni-muenster.de/tools/teclass/download/TEclass-2.1.3.tar.gz
tar xf TEclass-2.1.3.tar.gz
cd TEclass-2.1.3
```
下载依赖的软件
```bash
sh Download_dependencies.sh
```
由于代码老旧，部分内容无法自动下载，需要手动下载， 例如librf, blast. 最终要保证文件夹下有如下文件
- libsvm.tar.gz: <http://www.csie.ntu.edu.tw/~cjlin/libsvm/>
- glimmer.tar.gz: <http://ccb.jhu.edu/software/glimmer/>
- librf.tar.gz: <http://mtv.ece.ucsb.edu/benlee/librf.html>
- lvq_pak.tar: <http://www.cis.hut.fi/research/som-research/nnrc-programs.shtml>
- blast.tar.gz: <ftp://ftp.ncbi.nlm.nih.gov/blast/executables/legacy.NOTSUPPORTED>
例如blast
```bash
curl -o 'blast.tar.gz' ftp://ftp.ncbi.nlm.nih.gov/blast/executables/legacy.NOTSUPPORTED/2.2.26/blast-2.2.26-x64-linux.tar.gz
```
编译依赖的软件
```bash
sh Compile_dependencies.sh
```
安装TEclass, 这一步可以跳过 RepBase的配置。
```bash
perl Configure.pl
```
安装预编译的分类器，这一步在TEclass的目录下运行，并解压缩
```bash
wget http://www.compgen.uni-muenster.de/tools/teclass/download/classifiers.tar.gz
mv classifiers.tar.gz classifiers/
cd classifiers
tar xf classifiers.tar.gz
```
测试运行
```bash
./TEclassTest.pl ./testfile.fa
```
## 软件使用
### 构建分类器
如果你想使用最新的RepBase，那么就需要自己从[RepBase](http://www.girinst.org/repbase/index.html)下载数据进行构建。
如果是单核处理器，可能要花费数周的时间，所以建议用上你的所有线程。
```bash
/TEclassBuild.pl -x 0 -o new_classifiers -p 99
```
### 重复序列分类
在RepeatModeler建模后，提取Unknown序列使用`TEclassTest`进行归类，假如输入文件命名为Modelerunknown.lib
```bash
TEclassTest Modelerunknown.lib
```
结果在`Modelerunknown.lib_xxxx`, `xxxx`是你运行日期。
```bash
Modelerunknown.lib # 输入文件
Modelerunknown.lib.html
Modelerunknown.lib.lib # 输出结果
Modelerunknown.lib.stat #结果统计
```
`Modelerunknown.lib.lib`中的fasta会有分类信息，如
```bash
>rnd-1_family-12#Unknown ( RepeatScout Family Size = 705, Final Multiple Alignment Size = 88, Localized to 114 out of 117 contigs )|TEclass result: LTR|forward|ORFs: 583..2355:+1
```
> 需要注意的是，TEclass的输出结果是不被RepeatMasker所识别的，需要你更改原来的#Unknown为你的预测结果才行。
其他参数:
- `-c`: 训练的分类器所在路径, 默认是`TEclass-2.1classifiers`
- `-o`: 输出结果路径，默认在当前文件下新建
- `-r`: 预测输入序列的反向互补序列
参考文献: TEclass: a tool for automated classification of unknown eukaryotic transposable elements
使用TEclass对TE一致性序列进行分类