Featured image of post 功能基因预测/注释通用工具
metagenomic

功能基因预测/注释通用工具

一些常用的功能基因预测/注释通用工具介绍。

Introduction

自己整理一些常用的功能基因预测/注释通用工具，因为数量较多，不会写的很仔细，对于每个单独的工具可以进一步找相关教程学习。

基因结构鉴定工具

Prodigal

参考教程：一文读懂Prodigal教程

介绍： Prodigal（Prokaryotic Dynamic Programming Gene-finding Algorithm）是一款用于原核生物基因预测的高效工具，广泛应用于基因组和宏基因组数据分析。

安装：

1
2
3
4
5
6
7

# 下载并解压源代码包：
wget https://github.com/hyattpd/Prodigal/releases/download/v2.6.3/prodigal.linux
chmod +x prodigal.linux
sudo mv prodigal.linux /usr/local/bin/prodigal

# 或者直接用 conda 安装：
conda install prodigal

简单使用：

  1. 基因组序列文件中预测基因： 
    1

    prodigal -i input.fasta -o genes.gbk -a proteins.faa

GeneMark

参考教程：

介绍： GeneMark是一款通用的基因预测工具，适用于原核和真核生物，能够识别复杂的基因结构。

安装：

  1. 前往GeneMark官网（http://exon.gatech.edu/GeneMark/）下载相应的版本。

  2. 解压并配置环境变量：

    1
2

    tar -xzvf genemark.tar.gz
export PATH=$PATH:/path/to/genemark

简单使用：

  1. 对基因组序列文件进行基因预测： 
    1

    gmhmmp -m MetaGeneMark_v1.mod -o genes.gff input.fasta

Prokka

参考教程：基因注释Prokka

介绍： Prokka 是一个快速的基因组功能注释工具，能够对细菌、古菌和病毒基因组进行注释。它集成了多个工具，用于基因预测和功能注释，输出标准化的注释结果。

安装：

1

conda install prokka

简单使用：

  1. 对基因组序列进行注释： 
    1

    prokka input.fasta --outdir annotation_output --prefix sample

RNA鉴定工具

tRNAscan-SE

参考教程：tRNAscan-SE安装使用教程

介绍： tRNAscan-SE 是一款广泛应用的tRNA基因预测工具，能够高效、准确地识别基因组中的tRNA基因。该工具结合了多个算法，以提高预测准确性。

安装： 安装有点麻烦，需要仔细:

  1. 下载并解压源代码包： 
     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

    # 自己找一下最新版看看
wget http://trna.ucsc.edu/tRNAscan-SE.tar.gz
tar -xzvf tRNAscan-SE.tar.gz
cd tRNAscan-SE
./configure  --prefix=$(pwd)
make && make install

#需要调用infernal
wget -c http://eddylab.org/infernal/infernal-1.1.2-linux-intel-gcc.tar.gz
tar xzvf infernal-1.1.2-linux-intel-gcc.tar.gz
cd infernal-1.1.2-linux-intel-gcc/
./configure  --prefix=$(pwd)
make && make install
cp binaries/*  bin

# 添加bashrc
echo "export PATH=$PATH:/path/to/tRNAscan-SE/bin" >> ~/.bashrc
echo "export PERL5LIB=/path/to/tRNAscan-SE/lib:$PERL5LIB" >> ~/.bashrc
source ~/.bashrc

# 需要编辑/path/to/tRNAscan-SE/tRNAscan-SE.conf文件，下面这几行需要修改
bin_dir: /path/to/tRNAscan-SE/bin
lib_dir: /path/to/tRNAscan-SE/lib
infernal_dir: /path/to/infernal-1.1.2-linux-intel-gcc/bin

简单使用：

  1. 对基因组序列进行tRNA基因预测： 
    1

    tRNAscan-SE -o output.txt input.fasta

ARAGORN

介绍： ARAGORN是一款用于快速和高效识别基因组序列中tRNA和tmRNA基因的工具。它的设计目的是在大规模基因组分析中提供精确的tRNA/tmRNA基因定位。

安装：

  • Conda安装： 
    1

    conda install -c bioconda aragorn

简单使用：

  1. 识别tRNA和tmRNA基因： 
    1

    aragorn -i input.fasta -o output.txt

Barrnap

参考教程：Barrnap预测rRNA基因

介绍： Barrnap是一款快速、小巧的rRNA基因预测工具，专为16S、23S和5S rRNA基因的检测而设计，适用于细菌和古菌。

安装：

1
2
3
4
5
6
7

wget https://github.com/tseemann/barrnap/archive/v0.9.tar.gz
tar -xzvf v0.9.tar.gz
cd barrnap-0.9
sudo cp bin/barrnap /usr/local/bin/

#或者conda安装：
conda install -c bioconda -c conda-forge barrnap

简单使用：

  1. 对基因组序列进行rRNA基因预测： 
    1

    barrnap input.fasta > output.gff

比对软件

我们要对鉴定到的基因进行功能注释，有一些功能数据库具有配套的比对软件，但更多的数据库是只提供序列的，我们需要自己使用一些软件建库比对。

BLAST

参考教程：BLAST教程

介绍： BLAST（Basic Local Alignment Search Tool）是一个广泛使用的基因和蛋白质序列比对工具，能够快速地在数据库中查找与查询序列相似的序列。

安装：

1
2
3
4
5
6
7
8

wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-*.tar.gz
tar -xzvf ncbi-blast-*.tar.gz
cd ncbi-blast-*
# 配置环境变量：
export PATH=$PATH:/path/to/ncbi-blast-*/bin

# 或者conda安装：
conda install -c bioconda blast

简单使用：

  1. 创建本地数据库： 
    1

    makeblastdb -in database.fasta -dbtype nucl -out mydb
  2. 进行序列比对： 
    1

    blastn -query query.fasta -db mydb -out results.txt

DIAMOND

参考教程：DIAMOND: 超快的蛋白序列比对软件

介绍： DIAMOND是一个快速的蛋白质序列比对工具，设计用于比对大规模数据集，速度比BLAST快几个数量级。

安装：

1
2
3
4
5

wget https://github.com/bbuchfink/diamond/releases/download/v2.0.14/diamond-linux64.tar.gz
tar -xzvf diamond-linux64.tar.gz

# 或者conda安装
conda install -c bioconda diamond

简单使用：

  1. 创建本地数据库： 
    1

    diamond makedb --in database.fasta -d mydb
  2. 进行序列比对： 
    1

    diamond blastp -d mydb -q query.fasta -o results.m8

MMseqs2

参考教程：MMseqs2蛋白质序列快速高效比对工具

介绍： MMseqs2（Many-against-Many sequence searching）是一个快速高效的序列搜索和聚类工具，适用于大规模数据集，这个可以好好学习一下使用，因为速度算是非常快的。

安装：

1
2
3
4

wget https://mmseqs.com/latest/mmseqs-linux.tar.gz
tar -xzvf mmseqs-linux.tar.gz
# 或者conda安装
conda install -c conda-forge -c bioconda mmseqs2

简单使用：

  1. 创建本地数据库： 
    1

    mmseqs createdb input.fasta mydb
  2. 进行序列比对： 
    1
2

    mmseqs search mydb query.fasta result tmp
mmseqs convertalis mydb query.fasta result results.m8

在基因组和宏基因组研究中，除了BLAST、DIAMOND和MMseqs2等常用比对软件外，还有一些基于隐马尔可夫模型（HMM）的比对工具，这些工具能够提供更敏感和准确的比对，特别是对于蛋白质家族和结构域的检测。

在基因组和宏基因组研究中，基因和功能注释的比对工具是不可或缺的。以下是一些常用的工具，包括HMM（隐马尔可夫模型）相关的比对软件：

HMMER

参考教程：hmmer 简明教程

介绍： HMMER是一款基于HMM的工具，适用于检测蛋白质家族和结构域。

安装：

  • Conda安装： 
    1

    conda install -c bioconda hmmer

简单使用：

  1. 创建HMM模型： 
    1

    hmmbuild mymodel.hmm myalignment.sto
  2. 进行HMM比对： 
    1

    hmmsearch --tblout results.tbl mymodel.hmm query.fasta

功能数据库

KEGG

  • 官网: KEGG
  • 介绍: KEGG (Kyoto Encyclopedia of Genes and Genomes) 是一个综合数据库，提供有关基因组、化学物质和系统功能的信息。它包含了代谢通路、药物、疾病、代谢物等多种数据。KEGG 用于基因和代谢途径的注释，帮助研究人员理解生物体的复杂功能和相互作用。

eggNOG

  • 官网: eggNOG
  • 介绍: eggNOG (evolutionary genealogy of genes: Non-supervised Orthologous Groups) 是一个用于功能注释和进化学分类的数据库。它通过无监督的方式构建直系同源基因组群，提供高质量的功能预测和注释，广泛应用于基因功能研究和比较基因组学。

Pfam

  • 官网: Pfam
  • 介绍: Pfam 是一个蛋白质家族数据库，提供已知蛋白质结构域和功能位点的详细信息。每个结构域在数据库中都以隐马尔可夫模型（HMMs）的形式存储，Pfam 用于注释蛋白质序列，帮助研究人员理解蛋白质的结构和功能。

COG

  • 官网: COG
  • 介绍: COG (Clusters of Orthologous Groups) 数据库针对细菌和古菌，组织和分类了直系同源基因群。COG 提供了跨物种的基因和蛋白质功能注释，帮助研究者识别基因的保守性和功能演化。

InterPro

  • 官网: InterPro
  • 介绍: InterPro 是一个综合数据库，整合了多个蛋白质家族、结构域和功能位点的资源。它通过统一的注释标准，帮助研究人员分析和理解蛋白质序列的功能。

UniProt

  • 官网: UniProt
  • 介绍: UniProt 是一个全面的蛋白质序列和功能数据库。它提供了丰富的蛋白质信息，包括序列、功能注释、相互作用、结构等，广泛应用于生物信息学和系统生物学研究。

CAZy

  • 官网: CAZy
  • 介绍: CAZy (Carbohydrate-Active enZymes) 数据库专注于碳水化合物活性酶，包括糖苷水解酶、糖苷转移酶、多糖裂解酶等。CAZy 用于注释和分类这些酶，帮助研究人员理解碳水化合物代谢和功能。

MEROPS

  • 官网: MEROPS
  • 介绍: MEROPS 是一个肽酶和肽酶抑制剂的数据库。它分类和注释了各种肽酶及其抑制剂，提供了序列、功能和结构信息，帮助研究人员研究蛋白质降解和调控机制。

TIGRFAMs

  • 官网: TIGRFAMs
  • 介绍: TIGRFAMs 是一个用于功能和进化注释的蛋白质家族模型数据库。它基于 HMMs，为每个蛋白质家族提供详细的功能注释，广泛用于基因组和代谢途径的研究。

CARD

  • 官网: CARD
  • 介绍: CARD（The Comprehensive Antibiotic Resistance Database） 是经过严格筛选的、经过同行评审的耐药性决定因素和相关抗生素的集合，由抗生素耐药性本体论 (ARO) 和 AMR 基因检测模型组织而成。

mobileOG-db

  • 官网: mobileOG-db
  • 介绍: mobileOG-db 是一个用于注释移动基因组的数据库。它基于 HMMs，为每个移动基因组提供详细的功能注释，广泛用于基因组和代谢途径的研究。

元素循环

碳循环

碳循环是指碳在生物圈、大气圈、水圈和岩石圈中的循环过程。它通过光合作用、呼吸作用、分解和燃烧等途径，维持着地球上的碳平衡。碳循环的重要性在于它对气候变化和生态系统健康的影响。

相关信息可以在KEGG找到大部分，甲烷循环部分具有数据库MCycDB

NCycDB

  • 官网: NCycDB
  • 介绍: NCycDB 是一个专注于氮循环的基因和酶的数据库，包含与氮循环相关的功能基因信息。它有助于研究氮在生态系统中的转化过程，理解氮循环的分子机制。

PCycDB

  • 官网: PCycDB
  • 介绍: PCycDB 是一个关于磷循环的数据库，提供了磷循环相关基因和酶的信息。该数据库有助于研究磷的生物地球化学循环，了解磷在环境中的迁移和转化过程。

SCycDB

  • 官网: SCycDB
  • 介绍: SCycDB 专注于硫循环，包含硫循环相关的基因和酶信息。它帮助研究者理解硫在生态系统中的循环过程，分析硫的生物地球化学作用。

AsgeneDB

  • 官网: AsgeneDB
  • 介绍: AsgeneDB 是一个关于氨基酸循环的数据库，包含氨基酸循环相关的基因和酶信息。它有助于研究氨基酸在生态系统中的循环过程，理解氨基酸的生物地球化学作用。

FeGenie

  • 官网: FeGenie
  • 介绍: FeGenie 是一个关于铁循环的数据库，包含铁循环相关的基因和酶信息。它有助于研究铁在生态系统中的循环过程，理解铁的生物地球化学作用。

PlasticDB

  • 官网: PlasticDB
  • 介绍: PlasticDB 是一个关于塑料循环的数据库，包含塑料循环相关的基因和酶信息。它有助于研究塑料在生态系统中的循环过程，理解塑料的生物地球化学作用。
function
Licensed under CC BY-NC-SA 4.0
© 2022 - 2024 Asa's blog
Email: pengchen2001@zju.edu.cn
Built with Hugo
Theme Stack designed by Jimmy