RepeatModeler2.0.4的安装和使用（包含RepeatMasker安装）-2023.07更新

RepeatModeler的安装和使用（包含RepeatMasker安装）-2023.07更新

nym 2023-07-19

一、环境要求

Perl 5.8.8 or higher
本教程安装软件版本：rmblast 2.14.0+，TRF 4.10，RECON，RepeatScout 1.0.6，RepeatMasker 4.1.5，GenomeTools 1.6.2，LTR_Retriever v2.9.6，Ninja 0.95-cluster_only， MAFFT 7.453，CD-HIT 4.8.1 )

二、RepeatMasker官网地址（http://www.repeatmasker.org/）

安装RepeatMasker需要TRF、rmblast

1、TRF的安装

#下载编译
git clone https://github.com/Benson-Genomics-Lab/TRF.git
cd TRF
mkdir build
cd build
../configure
make
#To install to system
sudo make install

2、rmblast-2.14.0的安装

#下载
wget http://www.repeatmasker.org/rmblast/rmblast-2.14.0+-x64-linux.tar.gz
tar -xzvf rmblast-2.14.0+-x64-linux.tar.gz
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/rmblast-2.14.0/bin"

3.RepeatMasker4.1.5.的配置

3.1 RepeatMasker安装

#下载
wget http://www.repeatmasker.org/RepeatMasker/RepeatMasker-4.1.5.tar.gz
tar xzvf RepeatMasker-4.1.5.tar.gz

3.2 数据库配置：Dfam3.7数据库与Repbase与合并

#Dfam数据库下载
cd ~/biosoft/RepeatMasker/Libraries
wget https://www.dfam.org/releases/Dfam_3.7/families/Dfam.h5.gz
wget https://www.dfam.org/releases/Dfam_3.7/families/Dfam.h5.gz.md5sum
#注：Dfam3.7数据库未经筛选的版本数据量较大，压缩文件为83G，解压缩后有700多个G，可以根据需求进行数据库的下载。
gunzip Dfam.h5.gz
#Repbase数据库。解压缩并将两个文件拷贝至~/RepeatMasker/Libraries文件夹中（Repbase数据库收费，现在网络上可以找到一些旧版本，RepBaseRepeatMaskerEdition-20181026.tar）
tar -xzvf RepBaseRepeatMaskerEdition-20181026.tar.gz

3.2编译RepeatMasker

cd ~/biosoft/RepeatMasker
perl ./configure
#按照步骤，如果前面添加了环境变量会直接显示默认的地址，如果没有，复制添加即可。最后选择5.Done
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/RepeatMasker"

三、其他所需软件安装

1.RECON安装

#下载编译
wget http://www.repeatmasker.org/RepeatModeler/RECON-1.08.tar.gz
tar -xzvf RECON-1.08.tar.gz
cd RECON-1.08/src
make
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/RECON-1.08/src"

2.RepeatScount安装

#下载编译
wget -c http://www.repeatmasker.org/RepeatScout-1.0.6.tar.gz
tar -zxvf RepeatScout-1.0.6.tar.gz
cd RepeatScout-1.0.6
make
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/RepeatScout-1.0.6"

3.USUC工具 ：twoBitToFa, faToTwoBit, and twoBitInfo

#下载
wget https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/twoBitInfo
wget https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/faToTwoBit
wget https://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/twoBitToFa
#不用编译，可添加环境变量

四、可选安装

1.LtrHarvest

#下载编译
wget http://genometools.org/pub/genometools-1.6.2.tar.gz
tar -zxvf genometools-1.6.2.tar.gz
cd genometools-1.6.2
make threads=yes
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/genometools-1.6.2/bin"

2.Ltr_retriever

#下载
git clone https://github.com/oushujun/LTR_retriever.git
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/LTR_retriever"

3.MAFFT（略）

4.CD-HIT

#下载编译
git clone https://github.com/weizhongli/cdhit.git
cd cdhit
make
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/cdhit"

5.Ninja

#下载编译
wget https://codeload.github.com/TravisWheelerLab/NINJA/tar.gz/refs/tags/0.95-cluster_only
tar -zxvf NINJA-0.95-cluster_only.tar.gz
cd NINJA-0.95-cluster_only
cd NINJA
make all 
#添加环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/NINJA-0.95-cluster_only/NINJA"

五、Repeatmodeler安装

下载安装
git clone https://github.com/Dfam-consortium/RepeatModeler.git
cd RepeatModeler
perl ./configure
报错：缺失perl模块，进行安装
#The following perl modules required by RepeatModeler are missing from
#your system.  Please install these first:
#JSON
#Devel::Size
cpan JSON
cpan Devel::Size
#设置各安装文件位置，如果前面添加了环境变量会显示默认的地址，如果没有，复制添加即可。
将RepeatModeler添加至环境变量
vim ~/.bashrc
文件末尾添加：
export PATH="$PATH:~/biosoft/RepeatModeler"
#安装成功

六、RepeatModeler运行

1.建立数据库
BuildDatabase -name SamX -engine ncbi SamX.fasta
2.运行RepeatModeler

nohup RepeatModeler -database SamX -threads 18 -engine ncbi -LTRStruct -genomeSampleSizeMax 1000000000 -quick &
#nohup...& 将任务挂至后台运行并产生.out运行文件
#-threads 程序运行可使用的最大并行线程数
#-recoverDir 失败运行结果的输出目录，程序将尝试恢复并继续运行。
#-LTRStruct (可选)运行LTR结构探索管道(LTR_Harvest和ltr_retrever)，并将结果与RepeatScout/RECON管道结合。
#-genomeSampleSizeMax 可选地改变RECON的最大样本大小(bp)(默认值:5轮270MB，或“-quick”选项6轮243MB)。
#-numAdditionalRounds 可选地增加轮数。额外轮的样本量将根据大小倍率改变(目前为3)。
#-quick 恢复到原来的样本量(2.0.4之前)，允许以更快的速度获得类似的灵敏度。

2.结果文件
RM_XXXXXX* : 运行过程中产生的过程文件，如果程序中断，可从该文件夹进行重连。
*-families.fa : 预测的重复序列库
*-families.stk : Seed alignments，可以提交到 Dfam 数据库的Stockholm-formatted文件
*-rmod.log : 运行日志