LTRharvest使用教程（中文首发）

LTRharvest 是一个检测和提取长末端重复序列（LTR，Long Terminal Repeat）逆转录病毒的工具，通常用于基因组序列分析，特别是在植物和动物基因组中鉴定LTR逆转录转座子。它是基于GenomeTools软件包的一个模块。

以下是使用 LTRharvest 的基本步骤和参数说明：

1. 安装GenomeTools

首先需要安装GenomeTools。在大多数Linux系统上，使用以下命令可以安装：

sudo apt-get install genometools

如果你需要手动编译，也可以从GenomeTools官网下载源代码并按照说明进行安装。

2. 准备输入文件

LTRharvest的输入通常是一个FASTA格式的基因组序列文件。

3. 运行LTRharvest

运行 LTRharvest 的基本命令格式如下：

gt ltrharvest -index genomefile -out ltr_candidates.fasta

其中：

• genomefile 是预先用 gt suffixerator 建立索引的基因组序列文件。
• ltr_candidates.fasta 是输出文件，包含预测的LTR序列。

4. 常用参数

• -minlenltr: 设置最小LTR长度。例如，-minlenltr 100 表示最小LTR长度为100个碱基对。
• -maxlenltr: 设置最大LTR长度。
• -minlenltr: 设置LTR元件（包含LTR和内部区间）的最小长度。
• -similar: 设置LTR之间的最小相似性阈值，默认是80%。
• -mintsd: 设置短重复序列（target site duplications, TSD）的最小长度，通常是4到6个碱基对。
• -maxtsd: 设置TSD的最大长度。

5. 完整的工作流程

1. 生成索引：
   需要在运行 LTRharvest 之前为你的基因组文件创建一个索引。可以使用 gt suffixerator 来完成：

   gt suffixerator -db genome.fasta -indexname genomefile -tis -suf -lcp -des -ssp -dna
   

   这将生成一个索引文件 genomefile。

2. 运行LTRharvest：
   创建索引后，运行 LTRharvest 检测LTR序列：

   gt ltrharvest -index genomefile -similar 85 -mintsd 4 -maxtsd 6 -out ltr_candidates.fasta
   

   这会找到基因组中LTR相似度大于85%的序列，TSD长度在4到6个碱基对之间。

3. 后处理和评估：
   你可以使用其他工具如 LTRdigest 对预测的LTR序列进一步注释和分析。

6. 常用场景

• 基因组转座子分析：识别和提取基因组中的LTR转座子元件。
• 基因组注释：结合其它软件（如 RepeatMasker）进行转座子相关的基因组注释工作。

通过结合参数优化，LTRharvest 可以用于检测各类LTR逆转录转座子，特别适合在复杂的植物或动物基因组中进行此类序列的识别。