（3）funannotate基因预测

目录

零、更新新的funannotate流程

一、清除重复序列

二、重命名

三、屏蔽重复序列

四、基因预测

五、BUSCO评估

六、基因预测流程串联

使用funannotate进行基因预测，该软件整合了多个软件综合分析blabla

零、更新新的funannotate流程

1）利用基本特征分析中得到的软屏蔽序列，排序、重命名、改名

$ funannotate sort -i genome.softmask.fasta -o rename_genome.softmask.fasta
# 先用funannotate对该文件进行排序和重命名
$ sh orthofinder_changename.sh
# 运行这个脚本去给序列名字前面加上物种名，好区分，不然都是scaffoldXX分不清

$ vim orthofinder_changename.sh #编辑一个更改名字的脚本
#脚本内容如下
#!/bin/bash
# 设置物种名变量
species_name="Umbilicaria_deusta" #这个应该是换哪个名就填哪个哈哈哈，也挺方便不是
# 读取蛋白文件中每一行文本
while read -r line; do
  # 如果当前行包含 ">" 符号，说明是序列头部
  if [[ "$line" == ">"* ]]; then
    # 将序列 ID 和描述信息拆分出来，并在其前面加上物种名并连接
    new_header="${species_name}${line#>}"
    #echo ">${new_header}" # 调试输出新的序列头部
  else
    # 否则说明是序列数据，直接输出即可
   #echo "${line}"
  fi
done < "Umbilicaria_deusta.proteins.fa" > "output.fasta"
#使用该脚本，记得提前改一下species_name的名字，done后面输入和输出的名字

2）利用处理好的序列文件直接进行预测

$ nohup funannotate predict -i rename_genome.softmask.fasta --species "Umbilicaria antarctica" -o Umbilicaria_antarctica.fun/ --busco_seed_species aspergillus_nidulans --busco_db /ifs1/User/wuqi/database/busco_db/ascomycota_odb10/ --cpus 12 &

 后面做共线性分析的时候，也是直接用这个rename_genome.softmask.fasta（就是基特软屏蔽后sort、重命名、改名的）不要用一开始组装好的啥也没处理的

一、清除重复序列

$ conda activate funannotate 
# 先激活该环境
$ nohup funannotate clean -i GCA_023645895.1_KEW_Uvel_genomic.fna -o 5895clearrepeat_out.fasta &
# 清除重复序列

#用funannotate清除重复序列 funannotate clean <arguments>
     -i, --input    Multi-fasta genome file (Required)  输入序列
     -o, --out      Cleaned multi-fasta output file (Required)  输出文件
     -p, --pident   Percent identity of overlap. Default = 95  一致性
     -c, --cov      Percent coverage of overlap. Default = 95  覆盖度
     -m, --minlen   Minimum length of contig to keep. Default = 500  最小长度
     --exhaustive   Test every contig. Default is to stop at N50 value.  每条都比or默认比到N50

二、重命名

$ funannotate sort -i 5895clearrepeat_out.fasta -o 5895rename_out.fasta
# 重命名fasts格式文件标题header  因为超过16个字符会受限

# funannotate sort <arguments> 使用介绍
     -i, --input    Multi-fasta genome file. (Required) 输入文件
     -o, --out      Sorted by size and relabeled output file. (Required) 输出文件
     -b, --base     Base name to relabel contigs. Default: scaffold
     --minlen       Shorter contigs are discarded. Default: 0

三、屏蔽重复序列

$ funannotate mask -i 5895rename_out.fasta --cpus 12 -o genome_masked.fasta 
# 使用funanotate进行基因预测，先把重复序列屏蔽掉
# mask表示默认模式 -i是输入序列 -o是输出文件

# funannotate mask <arguments> 使用介绍
  Arguments:
      -i, --input   Multi-FASTA genome file. (Required)
      -o, --out     Output softmasked FASTA file. (Required)

    Optional:
      -m, --method                 Method to use. Default: tantan [repeatmasker, repeatmodeler]
      -s, --repeatmasker_species   Species to use for RepeatMasker
      -l, --repeatmodeler_lib      Custom repeat database (FASTA format)
      --cpus                       Number of cpus to use. Default: 2
      --debug                      Keep intermediate files

四、基因预测
 

$ nohup funannotate predict -i genome_masked.fasta --species "Umbilicaria lyngei" -o Umbilicaria_lyngei.fun/ --busco_seed_species aspergillus_nidulans --busco_db /ifs1/User/wuqi/database/busco_db/ascomycota_odb10/ --cpus 12 &
# 屏蔽掉重复序列之后的文件再进行基因注释
# 选择相应物种名（填写自己的物种名就行），设置输出文件目录，选择BUSCO中训练的物种名，找个近缘物种，选择BUSCO数据模型，选择子囊菌门数据库

$ funannotate species #查找BUSCO下物种 找一个近缘物种
  # aspergillus_fumigatus 烟曲霉 本次预测所选用的物种~

# 去网站找manully 下载BUSCO数据库，上传至database文件夹的BUSCO下，然后解压使用 (使用已有的ascomycota子囊菌门就行)
#运行速度较慢，记得使用nohup指令

#必须参数：

-i 输入文件，即mask后的输出结果 -o 输出文件夹  -s, --species 预测基因组的物种名

#主要可选参数：
 --maker_gff 自行通过MAKER2预测的结果文件，直接用于EVM整合预测结果

  -w, --weights设置EVM整合的权重 
 --busco_seed_species  选择BUSCO中Augustus软件进行训练的物种名，一般选择近缘物种，默认为anidulans
  --busco_db 选择BUSCO数据的模型，默认为dikarya  --ploidy 基因组的倍型，默认为1

 --genemark_gtf自行通过Genemark预测的结果文件
  --min_intronlen 最小内含子长度，默认为10

 --max_intronlen 最大内含子长度，默认为2000  

--min_protlen最小蛋白序列长度，默认为50
  --cpus CPU默认为2
 

$ nohup funannotate predict -i ~/Qxy/yuce/funannotate_test_pustulata/pustulata_genome_masked.fasta --species "Lasallia pustulata" --augustus_species UM_species -o Lasallia_pustulata_testfun2 --cpus 20 &
#使用--augustus_species UM_species参数，用自己训练的物种跑funannotate

跑完会得到log文件，predict_misc预测错误文件，predict_result预测结果文件

预测结果，其他可以删掉，里面有预测的蛋白文件protein.fasta，CDS文件，后续会用

五、BUSCO评估

$ busco -m protein -c 10 -i Umbilicaria_vellea.proteins.fa -o proteins_Busco_out -l /ifs1/User/wuqi/database/busco_db/ascomycota_odb10/
# 对预测得到的蛋白文件进行BUSCO评估
$ busco -m genome -c 10 -i Umbilicaria_vellea.scaffolds.fa -o Umbilicaria_vellea_scaffolds_Busco_out -l /ifs1/User/wuqi/database/busco_db/ascomycota_odb10/
# 对预测得到的基因组文件进行BUSCO评估
$ python3 /ifs1/User/wuqi/SoftTools/busco-5.0.0/scripts/generate_plot.py -wd BUSCOpicture_test
# BUSCO作图，把txt文件放到一个目录下，cd出去，然后执行该命令

六、基因预测流程串联

$ sh funannotate.sh 

只需要运行该脚本，就可得到相应masker.fasta文件，然后利用它去预测（步骤四）

其他中间文件也可以都删除 如clearrepeat.fasta rename,fasta 

#!/bin/bash
funannotate clean -i *_genomic.fna -o clearrepeat.fasta
funannotate sort -i clearrepeat.fasta -o rename.fasta
funannotate mask -i rename.fasta --cpus 12 -o masker.fasta

#基因预测流程串联起来，先激活环境，再清除重复序列，再排序，再重命名，再屏蔽重复序列，再预测