「fastANI」软件界面化实践~ 解决Windows下全基因组
终于有第一个投稿的插件，来自多年前的师弟 Chuhao Li （估计他入学的时候可能我正好开始写 TBtools，或者没写多久？）。他干了一个出乎无意料的插件，尤其是用了 Python！虽然我说过，逻辑上是支持的，但没想到真能支持（虽然不是用解释器，不过师弟用的方式似乎更好，体积更小）。相关插件已经上传到「TBtools」的「Plugin Store」，欢迎大伙下载使用。期待大伙一起开发实用工具，加速更多人的生信数据分析。 - CJ - 陈程杰
前言
平均核苷酸一致性（average nucleotide identity, ANI）是衡量基因组之间相似性的一个常用指标。windows下暂时没发现一个好用的可以计算ANI的工具。fastANI是在linux下用C++开发的一个小巧、快速的ANI计算工具。最近，CJ大神发布了TBtools新插件“CLI program wrapper creator”，可以大大缩减图形化界面工具开发的时间成本。这里，我介绍一下我是如何把linux上的命令行工具移植到TBtools上的。
折腾过程
编译
一开始，我使用cygwin来编译能在windows下运行的fastANI。主要包括以下步骤：
- a. 安装工具cygwin。下载fastANI源码。
- b. 安装编译依赖环境cygwin有一个图形化的应用安装界面，还是挺方便的。根据fastaANI的文档，需要安装的依赖包括：gcc-g++, mingw64-x86_64-gcc-g++, mingw64-x86_64-gsl, mingw64-x86_64-zlib, make, autoconf.
- c. 编译。configure完，直接make便是。源码中有两个地方导致了编译失败，一个是“unsetenv”，还有一个是“.symenv”。 前者是要去掉某个环境变量，取消系统对多线程的限制，后者是要告诉编译器使用特定版本的库。我把这两个地方注释掉了，后面测试过，对程序运行没有影响。编译成功后，得到一个fastANI.exe程序，可以在windows的命令行下运行。
- d. 测试。
测试时发现，只要用到2个或以上的线程，几乎完全跑不动。进一步测试，确定了凡是使用到openmp来并行的地方，速度就会奇慢。有几种解决方案：
- a. 更换编译器。使用了mingw，不行。
- b. 修改源码中多线程的逻辑。不会改。
- c. 改写源码，用msvc等windows原生编译工具重新编译。更不会改。
- d. 只用单线程版本，外面套一层python来实现多线程。这是我最终使用的方案。
python打包
脚本主要包含4个步骤：
- 命令行解析。
- 多线程调用fastANI。
- 合并结果。
- 使用pyinstaller打包。
这时候，我就得到了一个可以在windows下多线程运行的fastANI程序。接下来，就到TBtools发挥作用了。界面生成的过程非常简单，可以参考CJ前两天的推文。
使用
安装好的程序，在Others -> Plugin -> fastANI_w 下。
在界面中输入运行所需信息：
- 输入query fasta序列所在路径（可以直接从文件夹拖进来）。
- 输入reference fasta序列所在路径（可以直接从文件夹拖进来）。
- 勾选“include fasta files in the same directory”。这样，如果你的query/reference所在文件夹中如果有多个fasta文件，就都会读取到。适用于一个基因组比对多个，或者多个比对多个的情况。
- 指定线程数，默认为4。
- 指定输出文件。
填好以上参数，点击“start”即可。这里测试了两个对两个的情况，几秒钟就完成了。
结果是一个tab分隔符文件，总共5列，其中第三列是ANI。
总结
非常曲折的过程。希望对大家有帮助。
