2020.12.02丨使用dfast工具进行细菌基因组注释

• 接到一个项目，需要对一个2代细菌全基因组数据进行组装和注释，网上给到了2个软件，Prokka和dfast。我优先安装下载的Prokka，无奈在环境配置上一直没有处理好，查过一些问题后发现可能需要对perl降低版本到5.22，另一个是对Bioperl的安装配置。弄了两天感觉时间成本比较高，转过来尝试使用dfast，虽然过程中也出现不少问题，但最终还是完成了注释过程。接下来就进行一个梳理。
• 使用软件：dfast
• 安装方式：
  • 源码下载：DFAST-core (nig.ac.jp)
  • conda安装：conda install -c bioconda dfast
• 下载后进行解压缩以及环境配置

  • tar -vxf dfast_core-1.2.6.tar.gz
    vi ~/.bashrc

     

  • #在export后面添加dfast路径，:wq保存退出
• 不进行环境配置，运行的命令路径也比较简单
  • dfast_core-1.2.6/dfast
• 进入文件夹，在README中可以查看使用说明

  • cd dfast_core-1.2.6
    less README

     

• 下载注释所需要的参考数据库
  • 默认蛋白数据库

    • dfast_file_downloader.py --protein dfast

       

  • HMMer and RPS-BLAST 数据库

    • dfast_file_downloader.py --cdd Cog --hmm TIGR

       

  • 其他数据库可以通过-h来查阅下载

    • dfast_file_downloader.py -h

       

  • 通过官方脚本下载速度比较慢，可以通过提供链接直接打开浏览器下载
    • 默认蛋白数据库：DFAST-core (nig.ac.jp)
    • HMMer and RPS-BLAST 数据库：Index of /pub/mmdb/cdd/little_endian (nih.gov)
      • dfast支持多种数据库注释，这在dfast_file_downloader.py -h中可以查阅
  • 最关键的来了！！！下面几点决定了你在注释过程中是否能够调用数据库，成功进行注释
    • 下载好的数据库需要注意以下几点：
      • 下载好的.gz格式数据库要解压缩，tar.gz格式解压两次（如Cog LE.tar.gz）
      • Cog数据库解压后需要修改前缀
        • 数据库命名为Cog LE
        • 更改后为Cog #dfast脚本调用命名，或者改脚本也可以
        • 如果没有配置成功会遇到Cannot retrieve path to RPS database的报错
          • 
      • 解压之后，默认蛋白数据库和HMM数据库都只有一个文件，不着急，后面运行contig文件会自动生成数据库索引
        • 以TIGRFAMs_15.0_HMM.LIB为例，
          • 解压后
          • 运行test_config.py后
            • 
      • 使用dfast_file_downloader.py下载数据库的路径在调用时会报错，可能版本不用原因，下载Cog时的路径为cddsearch，而dfast调用路径为cdd，需要手动修改
        • 红色箭头文件命名需要修改
        • 这个能够被我发现是因为软件会报错
      • 如果遇到了类似但是不是我说的这种问题，可以去查看软件的运行脚本。
• 运行test_config.py进行测试

  • dfast --config $DFAST_APP_ROOT/example/test_config.py

     

  • 在没有输入参数--contig的情况下，dfast默认使用dfast/dfc/default_config.py
• 简单运行dfast的命令

  • dfast -g genome.fna -o output

     

• 运行成功后的结果文件
  • 如果不是下面这样，而是很多文件夹的情况，说明注释环节中断了
•