braker踩坑记录

1、startAlign.pl的时间与genome.fasta的contig的数量相关，genome.fasta大小为1G，24个cpu的情况下，如果是2000个contigs大约3个小时，后面gmes_petap.pl的时间大约也是3小时。

相同的基因组大小，如果contigs为10000个，时间大约是40个小时。

如果可能，建议过滤掉太短的contig。seq_tool.py len-filter -i genomic.fna -l 1000 -o genome.over1k.fasta

2、RepeatModeler，如果参考同源蛋白只有序列名，序列内容为空，会在执行过程中停止，并且不会报错，所以一定要检查输入的pep.fasta；

3、genome.fasta中序列名称最好不要有空格，长度不大于50。

否则会在filterGenesIn_mRNAname.pl这一步出错。

less genome.over1k.fasta |perl -e 'while(<>){chomp;if(/\>/){@inf=split /\s+/;print "$inf[0]\n"}else{print $_,"\n";}}' >src_genome.fasta

4、 没有rna数据：

如果只有genome.fasta和homolog.fasta，那么可以用

braker.pl --species=test --genome=genome.fasta --prot_seq=homolog.fasta --prg=gth --trainFromGth

不提供rna数据来做，1个G的基因组，10M的homolog.fasta，对基因组采用6%随机采样，跑了一下测试；

optimizing AUGUSTUS parameters这一步会花费4个小时，optimize_augustus.pl

Running AUGUSTUS with hints这一步会花费3个小时，augustus

按照这样的时间估算，没有rna数据，1个G的基因组，10M的蛋白质，不考虑contigs组装的质量，大约需要116个小时跑完braker。

# Mon Mar 30 07:12:49 2020: optimizing AUGUSTUS parameters
perl /path/.conda/envs/lq/bin/optimize_augustus.pl --rounds=5 --species=pacri --kfold=8 --AUGUSTUS_CONFIG_PATH=/path/.conda/envs/lq/config/ --onlytrain=/path/pre/pacri/braker/pacri/train.gb.train.train /path/pre/pacri/braker/pacri/train.gb.train.test 1>/path/pre/pacri/braker/pacri/optimize_augustus.stdout 2>/path/pre/pacri/braker/pacri/errors/optimize_augustus.stderr

# Sun Apr  5 01:23:01 2020:  parameter optimization finished.

实际的情况是，optimizing AUGUSTUS parameters这一步就花了138个小时，中间都有些想放弃了。

时间这么长可能的原因是基因组质量不太好，大于1000的contigs有3万多个，没过滤之前contigs有17万条。

拭目以待下一步要多久。

# Sun Apr  5 01:37:11 2020: Running AUGUSTUS with hints for file /path/pre/pacri/braker/pacri/genome.fa
/path/bin/augustus --species=pacri --AUGUSTUS_CONFIG_PATH=/path/config/ --extrinsicCfgFile=/opt/biosoft/BRAKER-2.1.2/scripts/cfg/gth.cfg --alternatives-from-evidence=true --hintsfile=/path/pre/pacri/braker/pacri/hintsfile.gff --UTR=off --exonnames=on --codingseq=on --allow_hinted_splicesites=gcag,atac /path/pre/pacri/braker/pacri/genome.fa 1>/path/pre/pacri/braker/pacri/augustus.hints.gff 2>/path/pre/pacri/braker/pacri/errors/augustus.hints.stderr

# Tue Apr  7 10:20:58 2020: Making a gtf file from /path/pre/pacri/braker/pacri/augustus.hints.gff
cat /path/pre/pacri/braker/pacri/augustus.hints.gff | perl -ne 'if(m/\tAUGUSTUS\t/) {print $_;}' | perl /path/bin/gtf2gff.pl --printExon --out=/path/pre/pacri/braker/pacri/augustus.hints.tmp.gtf 2>/path/pre/pacri/braker/pacri/errors/gtf2gff.augustus.hints.gtf.stderr

# Tue Apr  7 10:21:10 2020: AUGUSTUS prediction complete

需要56个小时。

# Tue Apr  7 10:21:10 2020: Making a fasta file with protein sequences of /path/pre/pacri/braker/pacri/augustus.hints.gtf

到生成augustus.hints.gtf就算完成了。

平行还有个contigs是3906条的在跑，看看时间的对比。