使用Mikado挑选最好的转录本进行注释

2024-06-23 20:58

本文主要是介绍使用Mikado挑选最好的转录本进行注释,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Mikado是基于Python3写的基因组结构注释工具,它主要做的是从多个转录组组装工具得到的转录本里挑选出最好的结果作为基因组的结构注释。此外,它还会基于同源蛋白比对结果对转录本打分。换句话说这个软件主要是根据转录组数据进行注释,没有 ab inito 预测。

软件安装比较方法,我们可以使用bioconda进行安装:

conda create -n mikado mikado
# 打开Python进行测试, 注意大小写
# import Mikado
# Mikado.test()

使用Daijin准备Mikado所需文件

第一步: 准备输入

如下是下载参考序列和对应的GTF注释文件。

mkdir -p Reference
cd Reference
wget ftp://ftp.ensembl.org/pub/release-89/gtf/drosophila_melanogaster/Drosophila_melanogaster.BDGP6.89.gtf.gz
wget ftp://ftp.ensembl.org/pub/release-89/fasta/drosophila_melanogaster/dna/Drosophila_melanogaster.BDGP6.dna.toplevel.fa.gz
wget "http://www.uniprot.org/uniprot/?sort=score&desc=&compress=yes&query=taxonomy:diptera%20NOT%20taxonomy:%22Drosophila%20(fruit%20flies)%20[7215]%22%20AND%20taxonomy:%22Aedes%20aegypti%22&fil=&format=fasta&force=yes" -O Aedes_aegypti.fasta.gz
gunzip *gz
cd ../

如下代码下载转录组数据

mkdir -p Reads
cd Reads
wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/ERR166/003/ERR1662533/ERR1662533_1.fastq.gz
wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/ERR166/003/ERR1662533/ERR1662533_2.fastq.gz
wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/ERR166/004/ERR1662534/ERR1662534_1.fastq.gz
wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/ERR166/004/ERR1662534/ERR1662534_2.fastq.gz
cd ../

第二步:创建配置文件

使用daijin configure创建配置文件, 包括如下内容

  • 配置文件名: -o OUT
  • 每个任务的线程数: --threads N
  • 物种名和参考序列:--name, --genome, --transcriptome
  • 二代测序数据: --sample-sheet
  • 比对软件: -al [{gsnap,star,hisat,tophat} [{gsnap,star,hisat,tophat} ...]]
  • 组装工具: -as [{class,cufflinks,stringtie,trinity,scallop} [{class,cufflinks,stringtie,trinity,scallop} ...]]
  • 输出文件夹: -od OUT_DIR
  • 打分文件用于Mikado: --scoring
  • 蛋白数据库: --prot-db
  • 转录本的间距: --flank
  • 集群任务投递工具: --scheduler
  • 集群任务投递配置文件:-c CLUSTER_CONFIG
daijin configure --scheduler "" \--scoring dmelanogaster_scoring.yaml \--copy-scoring dmelanogaster_scoring.yaml \-m permissive --sample-sheet sample_sheet.tsv \--flank 500 -i 50 26000 --threads 2 \--genome Reference/Drosophila_melanogaster.BDGP6.dna.toplevel.fa \-al hisat -as  stringtie -od Dmelanogaster --name Dmelanogaster \-o daijin.yaml --prot-db Reference/Aedes_aegypti.fasta;

: 在-as参数中不推荐使用CLASS2,在我的运行经验里,CLASS2的组装得到GTF文件为空,导致后续步骤会报错。也不推荐用Trinity,有一个bug导致其无法顺利运行。

这里面的samples_sheet.tsv内容如下. 第一列和第二列是双端测序的read, 第三列是样本名, 第四列表示是否为链特异性建库, 包括非链特异性(fr-unstranded), 链特异性数据且第一个reads是正向链第二个reads是反向链(fr-firststrand ), 链特异性数据且第二个reads是正向链第一个reads是反向链(fr-secondstrand), 仅正向链(f)和仅反向链(r), 最后一列表示是否非为三代测序结果(False表示为二代测序)

Reads/ERR1662533_1.fastq.gz Reads/ERR1662533_2.fastq.gz     ERR1662533      fr-unstranded   False
Reads/ERR1662534_1.fastq.gz Reads/ERR1662534_2.fastq.gz     ERR1662534      fr-unstranded   False

第三步:运行

执行组装步骤。

daijin assemble -nd -J 20 --C 20 -t 50 -nd daijin.yaml
# -nd 一般服务器都没有DRMAA
# -J/--jobs: 每次投递多少任务
# -C/--cores: 运行多少个任务并行
# -t/--threads: 每个任务最多多少个线程,一般在daijin configure 用--threads指明

运行时出现的问题和解决方案:

  • 对于某些服务器而言,即便在参数将任务投递系统设置为空,程序依旧会投递,解决方案就是加上-nd
  • 运行过程中会用到gnuplot进行绘图,如果报错,就找到对应行将其注释, 即下面的plot-bamstats部分。
...
rule bam_stats:input:bam=rules.bam_sort.output,idx=rules.bam_index.outputoutput: ALIGN_DIR+"/output/{align_run}.sorted.bam.stats"params:load=loadPre(config, "samtools"),#plot_out=ALIGN_DIR+"/output/plots/{align_run}/{align_run}"threads: 1message: "Using samtools to collected stats for: {input}"shell: "{params.load} samtools stats {input.bam} > {output}"#" && plot-bamstats -p {params.plot_out} {output}"
...

运行结束之后得到如下文件

Dmelanogaster/3-assemblies/output/class-0-hisat-ERR1662533-0.gtf
Dmelanogaster/3-assemblies/output/class-0-hisat-ERR1662534-0.gtf
Dmelanogaster/3-assemblies/output/stringtie-0-hisat-ERR1662533-0.gtf
Dmelanogaster/3-assemblies/output/stringtie-0-hisat-ERR1662534-0.gtf

同时将总的统计结果存放在了"Dmelanogaster/3-assemblies/assembly.stats"下

第四步:运行Mikado

上一步提供了组装得到的GTF文件就可以作为Mikado的输入进行结构注释, 其中mikado要求的输入文件在dmelanogaster_scoring.yaml, 里面的内容

daijin mikado -J 10 -C 20 -nd Dmelanogaster/mikado.yaml

最后的结果在Dmelanogaster/5-mikado/pick/permissive/mikado-permissive.loci.gff3

参考资料

  • 官方文档

这篇关于使用Mikado挑选最好的转录本进行注释的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1088257

相关文章

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤

Java中StopWatch的使用示例详解

《Java中StopWatch的使用示例详解》stopWatch是org.springframework.util包下的一个工具类,使用它可直观的输出代码执行耗时,以及执行时间百分比,这篇文章主要介绍... 目录stopWatch 是org.springframework.util 包下的一个工具类,使用它

Java进行文件格式校验的方案详解

《Java进行文件格式校验的方案详解》这篇文章主要为大家详细介绍了Java中进行文件格式校验的相关方案,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、背景异常现象原因排查用户的无心之过二、解决方案Magandroidic Number判断主流检测库对比Tika的使用区分zip

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3