Augustus注释过程

首先准备好一个你想注释物质近缘的物种基因组，需要其.gff和.fa文件。

gff2gbSmallDNA.pl scipio.gff genome.fa 1000 genes.raw.gb

将其转为genbank文件（如果有这一步可以跳过）。

$etraining --species=generic --stopCodonExcludedFromCDS=false genes.raw.gb 2> train.err

捕捉一些错误的序列。

$cat train.err | perl -pe 's/.*in sequence (\S+): .*/$1/' > badgenes.lst

$filterGenes.pl badgenes.lst genes.raw.gb > genes.gb

提取错误，并进行过滤

$grep -c "LOCUS" genes.raw.gb genes.gb

查看删除了多少个基因，
badgenes.lst为问题基因序列，
genes.gb为没有问题的基因，依然是gb格式。

将序列分组分为检测组和训练组

$randomSplit.pl genes.gb 200

该命令会生成genes.gb.test文件，它包含200条序列（100-200）。
同时会生成genes.gb.trains文件，包含剩下的序列。

$new_species.pl --species=Dicty --AUGUSTUS_CONFIG_PATH=/home/sun/software/Augustus-3.5.0/config

创建名为Dicty的物种，这里也指定了AUGUSTUS_CONFIG_PATH的地址

$etraining --species=Dicty genes.gb.train

这里将进行第一次Training，training所使用的meta parameters是默认值。
使用之前划分出来的test set来检测Trainning的效果Test set的文件为genes.gb.train。

$augustus --species=Dicty genes.gb.test | tee firsttest.out



*******      Evaluation of gene prediction     *******

---------------------------------------------\
                 | sensitivity | specificity |
---------------------------------------------|
nucleotide level |       0.985 |       0.982 |
---------------------------------------------/

----------------------------------------------------------------------------------------------------------\
           |  #pred |  #anno |      |    FP = false pos. |    FN = false neg. |             |             |
           | total/ | total/ |   TP |--------------------|--------------------| sensitivity | specificity |
           | unique | unique |      | part | ovlp | wrng | part | ovlp | wrng |             |             |
----------------------------------------------------------------------------------------------------------|
           |        |        |      |                 98 |                111 |             |             |
exon level |    469 |    482 |  371 | ------------------ | ------------------ |        0.77 |       0.791 |
           |    469 |    482 |      |   65 |    5 |   28 |   65 |    4 |   42 |             |             |
----------------------------------------------------------------------------------------------------------/

----------------------------------------------------------------------------\
transcript | #pred | #anno |   TP |   FP |   FN | sensitivity | specificity |
----------------------------------------------------------------------------|
gene level |   196 |   200 |  131 |   65 |   69 |       0.655 |       0.668 |
----------------------------------------------------------------------------/

------------------------------------------------------------------------\
            UTR | total pred | CDS bnd. corr. |   meanDiff | medianDiff |
------------------------------------------------------------------------|
            TSS |         15 |              0 |         -1 |         -1 |
            TTS |          6 |              0 |         -1 |         -1 |
------------------------------------------------------------------------|
            UTR | uniq. pred |    unique anno |      sens. |      spec. |
------------------------------------------------------------------------|
                |  true positive = 1 bound. exact, 1 bound. <= 20bp off |
 UTR exon level |          0 |              0 |       -nan |       -nan |
------------------------------------------------------------------------|
 UTR base level |          0 |              0 |       -nan |       -nan |
------------------------------------------------------------------------/
nucUTP= 0 nucUFP=0 nucUFPinside= 0 nucUFN=0
# total time: 17.4
# command line:
# augustus --species=Dicty genes.gb.test

1.nucleotide level，sensitivity（预测到的百分率），specificity（其中正确的百分率）
2.exon level， #pred total/unique（预测得到unique外显子总数），#anno total/unique（实际unique外显子总数），TP（正确的预测），FP（假阳性），FN（假阴性）
3.gene level
4.200个基因中，预测到131个
5.77%的外显子被预测到
6.79.1%的外显子预测成功

$optimize_augustus.pl --species=Dicty genes.gb.train

进行持续训练(这个要谨慎，我的20m运行了5天，提升甚微)。

$etraining --species=Dicty genes.gb.filter.train

这里将进行第二次Training，training所使用的meta parameters是学习后的。

$augustus --species=Dicty genes.gb.test | tee secondtest.out

第二次使用检测test进行检测，学习后提高了百分之零点几。

$augustus --species=Dicty ######.fa > augustus.abinitio.gff

使用自己的基因组进行注释。

本文部分参考：

使用MAKER进行基因注释(高级篇之AUGUSTUS模型训练） - 简书 (jianshu.com)

Augustus指南(Trainning部分) - 秒客网 (miaokee.com)

AUGUSTUS - 上海交大超算平台用户手册 Documentation (sjtu.edu.cn)

Augustus指南(Trainning部分) - 南方丙丁 - 博客园 (cnblogs.com)

Predicting Genes with AUGUSTUS (uni-greifswald.de)