如果对重复序列的预测，则使用RepeatModeler，可自身比对进行查找
安装
- 下载地址：http://www.repeatmasker.org/RepeatModeler/
- RepeatModeler安装之前需要安装以下软件:
- perl
- RECON - De Novo Repeat Finder; 鉴定重复家族
- RepeatScout - De Novo Repeat Finder; 从基因组中鉴定重复序家族序列
- TRF - Tandem Repeat Finder
- RMBlast - A modified version of NCBI Blast for use with RepeatMasker and RepeatModeler.或者
- ABBlast - Sequence Search Engine 任一一款搜索引擎
- RepeatMasker & Libraries
各个软件详细安装方法
-
RECON
#下载后
tar -zxf RECON-1.08.tar.gz
cd RECON-1.08/src
make
make install
#给recon.pl脚本中添加路径，第三行
$path = "*/RECON-1.08/bin"
-
RepeatScout
#下载后
tar -zxf RepeatScout-1.0.6.tar.gz
cd RepeatScout-1.0.6
make
#会生成build_lmer_table， RepeatScout-###两个程序
-
TRF
选择Linux command line 64-bit ，下载后，直接使用，不需要解压缩
-
RMBlast
#下载后
tar -zxf rmblast-2.10.0+-x64-linux.tar.gz
#即可
-
RepeatMasker（事先必须安装TRF，RMblast）
#下载后
tar -zxf RepeatMasker-4.1.0.tar.gz
cd RepeatMasker
chmod -R 755 *
./configure. 执行后一步一步来，输入需要的路径
#首先是perl环境，默认自动检测，或者手动更改perl主程序路径后回车继续
#然后是TRF， 输入包含TRF的路径
#序列搜索引擎，刚才安装了RMblast，先选择RMblast，然后回车，然后选择5 done
#提示 完成安装，将RepeatMasker设置到环境变量即可
-
安装RepeatModeler
#下载后
tar. -zxf RepeatModeler-2.0.1.tar.gz
cd RepeatModeler-2.0.1
chmod -R 755 *
perl ./configure 根据提示，一步一步来，和上面repeatmasker类似
使用
(1) RepeatModeler 预测基因组重复序列，为下一步的RepeatMasker建立重复序列数据库
#建库，利用rice 一个实例fasta文件
BuildDatablase –name ricedb –engine ncbi rice.sample.2.fa
#参数说明
-name <database name>
The name of the database to create.
-engine <engine name>
The name of the search engine we are using. I.e abblast/wublast or rmblast.
-dir <directory>
The name of a directory containing fasta files to be processed. The
files are recognized by their suffix. Only *.fa and *.fasta files
are processed.
-batch <file>
The name of a file which contains the names of fasta files to
process. The files names are listed one per line and should be fully
qualified.
RepeatModeler -database ricedb -pa 5
#参数说明
-database
The name of the sequence database to run an analysis on. This is the
name that was provided to the BuildDatabase script using the "-name"
option.
-pa #
Specify the number of parallel search jobs to run. RMBlast jobs will
use 4 cores each and ABBlast jobs will use a single core each. i.e.
on a machine with 12 cores and running with RMBlast you would use
-pa 3 to fully utilize the machine.
-recoverDir <Previous Output Directory>
If a run fails in the middle of processing, it may be possible
recover some results and continue where the previous run left off.
Simply supply the output directory where the results of the failed
run were saved and the program will attempt to recover and continue
the run.
：
- consensi.fa：自身比对找到的一致性序列
- consensi.fa.classified：重复序列分类结果，“#”后面的字符串是分类结果
- consensi.fa.masked：屏蔽后的序列，不太使用
(2) RepeatMasker；屏蔽DNA序列中转座子或者低复杂度重复序列，输出的序列把已知的重复序列都屏蔽成N或X，并给出相应的位置和统计信息
#将上一步的结果文件（自动生成，以“RM”开头）里面的consensi.fa.classified为libirary，对参考序列进行序列屏蔽
#运行
RepeatMasker -nolow -e ncbi -pa 5 -norna -gff -dir ./ -lib consensi.fa.classified rice.sample.fa
#重要参数
-nolow. (不屏蔽低复杂序列，担心屏蔽后使得基因结构受到影响)
Does not mask low_complexity DNA or simple repeats
-lib [filename] 自己制定的重复序列库
Allows use of a custom library (e.g. from another species)
-e(ngine) [crossmatch|wublast|abblast|ncbi|rmblast|hmmer]
Use an alternate search engine to the default.
-pa(rallel) [number]
The number of sequence batch jobs [50kb minimum] to run in parallel.
-norna
Does not mask small RNA (pseudo) genes
-dir [directory name] 输出文件位置
Writes output to this directory (default is query file directory,
"-dir ." will write to current directory).
-gff
Creates an additional Gene Feature Finding format output
：
- *.out：重复序列详细比对结果
- *.masked：屏蔽后的序列
- *.tbl：重复序列统计文件
- *.cat：和out差不多
*.out每一列的含义
第一列：比对分值，SW score
第二列：替代率 perc div.
第三列：碱基缺失百分率
第四列：在重复序列中碱基缺失百分率
第五列：query sequence
第六列：查询序列起始位置
第七列：查询序列终止位置
第八列：查询区域中超出比对区域碱基的数目，也就是没有比对上的碱基数
第九列：+/-(C)
第十列：比上的重复序列名称，类型命名
第十一列：比上重复序列的分类，和repeatmolder 中*.classed 是一样的
第十二列：比上的在数据库中的起始位置
第十三列：比上的在数据库中的终止位置
第十四列：在第十列上超出比对区域碱基的数目，也就是没有比对上的碱基数
第十五列：比对区域的ID，随机给的
网友评论