GeneMark-ES/ET安装与模型训练

GeneMarkGeorgia Institute of Technology开发的一系列基因预测工具。真核生物基因组预测主要会用到GeneMark-ES/ET, 其中GeneMark-ES可用于无监督自训练，也就是只要提供一个基因组序列即可，而GeneMark-ET则是在GeneMark-ES的基础上整合了高通量的RNA-Seq转录本数据.

软件安装

首先在http://exon.gatech.edu/GeneMark/license_download.cgi提交申请后，即可下载相应软件，主要有两个

gm_key_64
gmes_linux_64.tar

# 对其进行解压缩即可
tar -xf gmes_linux_64.tar
cp gm_key_64 ~/.gm_key

除此之外，还需要安装一些模块

cpanm YAML Hash::Merge Logger::Simple Parallel::ForkManager

在操作中，发现Logger::Simple安装过程中总是报错，手动安装2.0也是报错，最后安装了Logger-Simple-1.09.tar.gz. 自行下载后手动安装即可，记得将安装路径输入@INC，我直接简单粗暴的链接过去。

使用perl -V 可以查看@INC 有哪些路径

最后使用软件目录下的./check_install.bash 进行检验安装成功与否。

训练流程

对于GeneMark-ET,其使用脚本如下，即可进行对RNA-seq对训练

gmes_petap.pl --sequence sequence.fna --ET introns.gff --et_score 10 --cores 10

sequence.fna：物种基因组序列
introns.gff：RNA-seq比对到基因组，记录内含子信息
--et_score：introns.gff中覆盖内含子区域的reads数，对于TopHat2，默认是10
--cores 多线程参数

获取introns.gff的方法

使用STAR进行比对可获得

安装STAR

#下载后即可
tar -zxf 2.7.5a.tar.gz
cd STAR-2.7.5a/source
makr STAR
# 加入到环境变量

STAR比对

mkdir -p star_index
STAR \
    --runThreadN 20 \
    --runMode genomeGenerate \
    --genomeDir star_index \
    --genomeFastaFiles reference.fa
STAR 
    --runThreadN 20 \
    --runMode alignReads \
    --genomeDir star_index \
     --readFilesIn read_1.fq.gz read_2.fq.gz \
    --readFilesCommand zcat \
     --outSAMtype BAM SortedByCoordinate \
       --outWigType wiggle read2

跑完以后可以得到一个 $\color{red}{SJ.out.tab}$ , 该文件为剪切位点.

获得introns.gff

star_to_gff.pl --star  SJ.out.tab --gff SJ.gff --label introns

基因预测

gmes_petap.pl --sequence ref.fa --ET introns.gff --cores 10

最后会在当前文件下生成 $\color{red}{genemark.gtf}$ 。Genemark-et结果一定会有很高的假阳性, output/ $\color{red}{gmhmm.mod}$ 作为MAKER的输入。

参考

最后编辑于：2020.07.13 09:27:26