生信人填坑记~pasa注释结果提取常用gff，lens等文件-基因组注释后续

最新推荐文章于 2024-09-06 14:20:26 发布

沐雨@

最新推荐文章于 2024-09-06 14:20:26 发布

阅读量457

点赞数 1

文章标签： python

本文链接：https://blog.csdn.net/qq_43337286/article/details/133779920

版权

历经千辛万苦，我终于拿到了一个可以用的基因组数据了！值得纪念
拿到注释结果之后就可以直接使用嘛？当然不是的啦！通过WGDI入门生信的我第一次看注释结果就是一脸懵。如何才能制作成我想要的格式？耗费了了大量的时间。

PASA注释结果以及结果提升！结果整理

pasa
第一步 利用EVM的程序提取对应的gene,pep,cds序列

> evidencemodeler-1.1.1/EvmUtils/gff3_file_to_proteins.pl sqliteax1.gene_structures_post_PASA_updates.25923.gff3 s.fasta prot >s.prot.fasta

> evidencemodeler-1.1.1/EvmUtils/gff3_file_to_proteins.pl sqliteax1.gene_structures_post_PASA_updates.25923.gff3 s.fasta CDS >s.cds.fasta

> evidencemodeler-1.1.1/EvmUtils/gff3_file_to_proteins.pl sqliteax1.gene_structures_post_PASA_updates.25923.gff3 s.fasta gene >s.gene.fasta

现在我们手上就有gff3，基因组，蛋白质，cds，gene这个五个文件。

文件处理

软件工具这里有一个脚本包GeneClear

GeneClear是一个新工具包，目前功能比较单一。只有两个功能，第一个是清洗PASA注释结果，输入文件为我上面提到的五个文件。

软件安装

github下载安装
GeneClear

下载whl文件

pip install GeneClear-0.0.0-py3-none-any.whl

直接pip安装(待完善，近期还未优化好)

pip install GeneClear

GeneClear -h

PASA文件处理

将上述五个文件放入一个目录下之后
打开终端
输入(注意：这里不是乱码！是命令里面有 “?” 符号)

GeneClear -getpasa ？

GeneClear -getpasa ？> run.conf

会在当前路径下生成对应的run.conf文件

将前文的五个文件对应到配置文件内保存。
运行程序

GeneClear -getpasa run.conf

则可以得到数据清洗之后的结果了。

清洗NCBI下载数据

其他数据
GeneClear目前还提供一个处理NCBI下载的基因组数据的功能。

GeneClear -getncbi ？

GeneClear -getncbi ？> run.conf

配置文件
运行之前下载对应基因组的gff3,pep,cds,genome(可选)等文件
运行程序

GeneClear -getncbi run.conf

注意，在没有指定基因组fasta的时候，这个软件生成的lens文件里染色体的长度(第二列)是根据染色体末位基因的终止位置确定的，需要用户自己确定。

软件运行需要输入对部分数据的修正方法

gff染色体号如果是EVM_01 默认会修改为atEVM_01，只需要回车，如果需要需改成at01,则分割符号为 _,保留序号为 1.
对CDS文件或者蛋白质文件内序列ID的修改，部分数据的CDS序列id和蛋白质ID会不一样，比如cds序列id为 abcdefg01.1,但是蛋白质序列id为 abcdefg01.1.CDS,则此时使用分割符号为 .CDS,保留序号为 0。
软件该功能使用注意事项：尽量保证pep和cds的id一致，尽量保证染色体名称不需要大修改。

在这里提取PASA的结果主要是如图，