使用BRAKER2进行基因组注释

使用BRAKER2进行基因组注释

BRAKER2是一个基因组注释流程，能够组合GeneMark，AUGUSTUS和转录组数据。

在使用软件之前，有几点需要注意下

• 尽量提供高质量的基因组。目前随着三代测序价格下降，这一点问题不大。
• 基因组命名应该简单，最好就是">contig1"或">tig000001"
• 基因组需要屏蔽重复序列
• 默认参数通常表现效果就很好，但是也要根据物种来
• 一定要对注释结果进行检查，别直接使用

软件安装

BRAKER的依赖软件不少，且Perl需要安装的模块也很多，我们用conda能解决这些问题(需要添加bioconda频道)

conda create -n braker2 braker2

安装结束后会输出一些提示信息，汇总以下就是

• 保证AUGUSTUS的config目录能够有可写权限（自己用conda安装不需要考虑这个问题）
• GeneMark和GenomeThreader还需要额外下载安装

我们一定要安装的就是GeneMark，需要从 下载安装，然后添加环境变量

export GENEMARK_PATH=/your_path_to_GeneMark-ET/gmes_petap/

此外还有一些BRAKER2建议的软件，conda没有安装，需要自己按需安装

• DIAMOND 0.9.24: 替代NCBI-BLAST
• cdbfasta 0.99: 纠正AUGUSTUS预测的开放阅读框内内含有终止密码子的基因
• cdbyank 0.981: 纠正AUGUSTUS预测的开放阅读框内内含有终止密码子的基因
• GenomeThreader: 仅在你需要用蛋白数据进行注释时，才需要

关于这些conda未安装的软件参考

以cdbfasta和cdbyank为例

git clone https://github.com/gpertea/cdbfasta.git
cd cdbfasta 
make all

之后可以添加到环境变量

 export CDBTOOLS_PATH=/path/to/cdbfasta/

也可以复制到conda建立的braker2的环境中，其中~/miniconda3是我conda的路径

cp cdbfasta cdbyank perltest.pl ~/miniconda3/envs/braker2/bin

安装完成之后，建议现运行下面这一步检查软件依赖

 braker.pl --checkSoftware

软件运行

BRAKER根据数据类型，有不同的运行模式，但根据现状其实最常见的情况是测了一个基因组，并且还测了二代的转录组，或许还有一些近缘物种的蛋白序列。因此假设你手头有下面这些数据

• 基因组序列: genome.fasta
• 转录组数据: XX1.fq.gz, XX2.fq.gz
• 蛋白序列: proteins.fa

第一步: 屏蔽基因组中的重复序列，这一步参考使用RepeatModeler和RepeatMasker注释基因组重复序列

RepeatMasker -xsmall -species arabidopsis -pa 40 -e ncbi  -dir . genome.fasta
#-xsmall: soft-mask

这一步输出的genome.fasta.masked将是后续注释的输入

第二步: 使用STAR将FastQ比对到参考基因组，STAR使用说明参考「RNA-seq分析软件」RNA-seq比对工具STAR学习笔记

mkdir -p STAR
# 建立索引
STAR \
    --runThreadN 20 \
    --runMode genomeGenerate \
    --genomeDir STAR \
    --genomeFastaFiles genome.fasta
# 比对
STAR \
    --genomeDir STAR \
    --runThreadN 20 \
    --readFilesIn XX_1.fq.gz, XX_2.fq.gz \
    --readFilesCommand zcat \
    --outFileNamePrefix xx_ \
    --outSAMtype BAM SortedByCoordinate \
    --outBAMsortingThreadN 10 \
    --outSAMstrandField intronMotif \
    --outFilterIntronMotifs RemoveNoncanonical
mv xx_Aligned.sortedByCoord.out.bam xx.bam

输入结果为 xx.bam 如果测了多个组装的转录组，为每个样本运行一次比对生成多个BAM文件。

第三步: 运行BRAKER2

braker.pl --cores 48 --species=yourSpecies --genome=genome.fasta.masked \
     --softmasking --bam=xx.bam \
     --prot_seq=proteins.fa --prg=exonerate \
     --gff3

braker.pl最多支持48个线程。

最终会输出蛋白序列和CDS序列以及GFF文件

可能问题

使用conda安装时可能会出现的问题

Error in file bamToWig.py at line 172: Return code of subprocess was 127

原因是因为faToTwoBit程序出错

faToTwoBit
faToTwoBit: error while loading shared libraries: libssl.so.1.0.0: cannot open shared object file: No such file or directory

这是因为conda没能正确处理依赖关系，openssl版本过高，解决方法如下

# 建立软链接
cd ~/miniconda3/envs/braker2/lib
ln -s libssl.so libssl.so.1.0.0
ln -s libcrypto.so libcrypto.so.1.0.0

运行时出现如下警告

OpenBLAS blas_thread_init: RLIMIT_NPROC 4096

无视掉

参考资料

• BRAKER2官方教程: https://github.com/Gaius-Augustus/BRAKER

----

版权声明：本博客所有文章除特别声明外，均采用 知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议 (CC BY-NC-ND 4.0) 进行许可。

转载：https://blog.csdn.net/u012110870/article/details/102488633