关于基因结构注释，我的一些折腾和思考

我在2018年，写过一篇《如何对基因组序列进行注释》，简书上有4万多人阅读，CSDN上有8万多人阅读，说明确实有不少人有相关的需求。我自己也琢磨了一段时间，刚好过年回家，简单的梳理一下。

最初的时候，我的思路就是EvidenceModeler（后面简称EVM）的思路，训练不同从头预测软件，例如AUGUSTUS，组装RNA-seq数据，比对同源蛋白，最后交给EVM整合。这个思路挺好的，唯一的问题就是要要自己的动手的地方比较多，那个时候我自己写了一套流程做了串联，但是代码质量很差，所以我在找寻其他工具。

我找到一些替代工具，比如说MAKER, BRAKER, Mikado。这些工具各有不同，MAKER可以整合不同来源的证据， BRAKER会先利用已有同源蛋白或者RNA-seq训练AUGUSTUS模型然后预测结果，Mikado则是直接使用转录组作为唯一证据，最后我选择了MAKER。因为BRAKER，是一个perl串联的脚本，没有完善重跑工具，也就是失败了，就可能得从头开始。mikado只用转录本，那么就可能有一些基因会因为表达量低别遗漏，或者结构不完整。

使用MAKER也有问题，就是官方提供SNAP的训练流程，但是AUGUSTUS的模型训练方法则没有，这很让我头疼。一开始，我想的是找现有的解决方案，发现Transdecoder有一个工具，似乎可以直接把预测的ORF结果导出为AUGUSTUS的输入，但是AUGUSTUS的教程说并不需要那么多，大概1000左右就饱和了。由于我水平有限，一下子卡壳了，不得不去找其他的方案。于是我就想着能不能用BRAKER的输出的模型作为AUGUSTUS的输