GeneMarkGeorgia Institute of Technology开发的一系列基因预测工具。真核生物基因组预测主要会用到GeneMark-ES/ET, 其中GeneMark-ES可用于无监督自训练，也就是只要提供一个基因组序列即可，而GeneMark-ET则是在GeneMark-ES的基础上整合了高通量的RNA-Seq转录本数据.
软件安装
首先在http://exon.gatech.edu/GeneMark/license_download.cgi提交申请后，即可下载相应软件，主要有两个
- gm_key_64
- gmes_linux_64.tar
# 对其进行解压缩即可
tar -xf gmes_linux_64.tar
cp gm_key_64 ~/.gm_key
除此之外，还需要安装一些模块
cpanm YAML Hash::Merge Logger::Simple Parallel::ForkManager
在操作中，发现Logger::Simple安装过程中总是报错，手动安装2.0也是报错，最后安装了Logger-Simple-1.09.tar.gz. 自行下载后手动安装即可，记得将安装路径输入@INC，我直接简单粗暴的链接过去。
使用perl -V 可以查看@INC 有哪些路径
最后使用软件目录下的./check_install.bash 进行检验安装成功与否。
训练流程
对于GeneMark-ET,其使用脚本如下，即可进行对RNA-seq对训练
gmes_petap.pl --sequence sequence.fna --ET introns.gff --et_score 10 --cores 10
- sequence.fna： 物种基因组序列
- introns.gff：RNA-seq比对到基因组，记录内含子信息
- --et_score：introns.gff中覆盖内含子区域的reads数，对于TopHat2，默认是10
- --cores 多线程参数
获取introns.gff的方法
使用STAR进行比对可获得
安装STAR
#下载后即可
tar -zxf 2.7.5a.tar.gz
cd STAR-2.7.5a/source
makr STAR
# 加入到环境变量
STAR比对
mkdir -p star_index
STAR \
--runThreadN 20 \
--runMode genomeGenerate \
--genomeDir star_index \
--genomeFastaFiles reference.fa
STAR
--runThreadN 20 \
--runMode alignReads \
--genomeDir star_index \
--readFilesIn read_1.fq.gz read_2.fq.gz \
--readFilesCommand zcat \
--outSAMtype BAM SortedByCoordinate \
--outWigType wiggle read2
跑完以后可以得到一个, 该文件为剪切位点.
获得introns.gff
star_to_gff.pl --star SJ.out.tab --gff SJ.gff --label introns
基因预测
gmes_petap.pl --sequence ref.fa --ET introns.gff --cores 10
最后会在当前文件下生成。Genemark-et结果一定会有很高的假阳性, output/
作为MAKER的输入。
网友评论