DFAST-细菌基因注释的又一选择

之前一直用prokka来注释细菌测序完成后得到的基因序列，一方面是后续分析所用格式大部分都是需要prokka输出的gff，另一方面也是自己先入为主认为prokka就是注释的唯一选择（protocol有时候真的会束缚自己）。

直到自己用基因作图时，发现目的基因上游的注释为好多假定蛋白，而与NCBI数据库中基因进行比对时发现，其实那是已知功能的基因时，我才意识到，prokka真的是有局限性的，尽管软件作者在不停地更新完善其数据库（也可能是我自己不会用 -。-）。

prokka注释的部分结果：

     gene            complement(27474..27869)
     CDS             complement(27474..27869)
                     /locus_tag=""
                     /inference="ab initio prediction:Prodigal:002006"
                     /codon_start=1
                     /transl_table=11
                     /product="hypothetical protein"
     gene            complement(27921..28292)
     CDS             complement(27921..28292)
                     /locus_tag=""
                     /inference="ab initio prediction:Prodigal:002006"
                     /codon_start=1
                     /transl_table=11
                     /product="hypothetical protein"

dfast该部分的注释结果：

     CDS             27384..28397
                     /product="integrase/recombinase"
                     /inference="COORDINATES:ab initio
                     prediction:MetaGeneAnnotator"
                     /inference="similar to AA sequence:UniProtKB:P62592"
                     /transl_table=11
                     /codon_start=1  
                     /gene="int"
                     /note="P62592 integrase/recombinase (Salmonella enterica
                     subsp. enterica serovar Typhi str. CT18)

dfast能够注释出来是整合子的int基因，而prokka给出的则是假定蛋白。也许可以给prokka指定蛋白序列来做到类似的结果，可是我只喜欢默认的来-。-

dfast安装直接用conda即可：

conda install -c bioconda dfast

最简单的使用方法，直接给它指定你要注释的基因文件即可：

dfast --genome 你的fasta文件路径/*.fasta --out 输出文件夹/

DFAST本是用于原核基因组注释以及向INSDC提交数据的软件，所以要完整注释一个基因组需要补充菌株名称之类的信息。

dfast --genome 你的基因组.fasta --organism "Escherichia coli" --strain "str. xxx" --locus_tag_prefix ***  --out 输出文件夹/

具体可以按-h查看所有设置参数。

参考
dfast原目录：https://github.com/nigyta/dfast_core