RepeatMasker是重复序列检测
的常用工具
,通过与参考数据库相似性比对
来准确识别或屏蔽基因组中的重复序列
,属于同源预测注释
的方式。
-
基因组
组装
完成后,进行基因预测
和注释
。由于基因组中存在重复序列结构区,特别是高等真核生物
,重复序列占了相当大的比例,会影响基因预测的质量,也会带来不必要的资源消耗
。因此在基因预测前,首先要检测并屏蔽基因组中的重复序列
。对于这种情况,只是为了屏蔽重复序列降低后续基因预测的压力
,重复序列的检测可不必纠结。 -
当
注释基因组重复序列结构
,也可能是专注于某些特定研究,例如,某些重复元件
可能参与了重要功能,我们期望定位它们的位置。这种情况下需要识别精准
。
RepeatMasker本地配置:
1、TRF
TRF(Tandem Repeats Finder)在RepeatMasker安装前必需要提前配置好,这个可以使用conda直接安装。
conda install TRF
2、序列搜索引擎(4选1即可)
RepeatMasker需要序列搜索引擎,以实现输入基因组序列和参考库中序列的比对,在RepeatMasker安装前必需要提前配置好。RepeatMasker主要通过以下4种工具实现序列比对功能,CrossMatch、RMBlast、ABBlast、HMMER,因此我们需要从中至少选1个。RMBlast失败选了HMMER
conda install HMMER
3、RepeatMasker
前两个工具配置好后,正式安装RepeatMasker,conda搞不定了,需要源码编译。
wget http://www.repeatmasker.org/RepeatMasker-open-4-0-6.tar.gz
tar xzvf RepeatMasker-open-4-0-6.tar.gz
cd RepeatMasker
chmod -R 755 *
./configure #执行后,根据提示信息一步步来。
#例如,我的RepeatMasker安装路径是在“/home/my/software/RepeatMasker”
export PATH=/home/my/software/RepeatMasker:$PATH
#这时候没啥问题的话应该可以看到帮助界面了
RepeatMasker -h
如果反复提示以下关于“Text::Soundex module”模块的错误(即便你这个perl模块确实安装好了)见外网作者答复
However, we have actually stopped using Text::Soundex in that file, so you could also comment out line 80 of Taxonomy.pm (the one in the error message). I will fix this for the next version of RepeatMasker so the error doesn't occur.