利用LTR_retriever整合LTR数据集
2019-10-23 本文已影响0人
多啦A梦的时光机_648d
一:安装
- 可以conda安装或自己手动安装
$conda create -n LTR_retriever
$conda activate LTR_retriever
$conda install -y -c conda-forge perl perl-text-soundex
$conda install -y -c bioconda cd-hit repeatmasker
$git clone https://github.com/oushujun/LTR_retriever.git
$./LTR_retriever/LTR_retriever -h
- 除此之外还需要安几个依赖的软件
1. makeblastdb, blastn, and blastx in the BLAST+ package (ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/)
2. cd-hit-est in the CDHIT package (http://weizhongli-lab.org/cd-hit/) OR blastclust in the BLAST package (ftp://ftp.ncbi.nlm.nih.gov/blast/executables/legacy/2.2.25/)
3. hmmsearch in the HMMER package (http://hmmer.org/; v3.1b2 or higher)
4. RepeatMasker (http://www.repeatmasker.org/)
其中安装RepeatMasker需要一个Dfam.hmm以及RepBase RepeatMasker Edition,可以在这下载:
RepBase RepeatMasker Edition: https://pan.baidu.com/s/1c2zSMKo
Dfam.hmm: https://www.dfam.org/releases/Dfam_3.1/families/Dfam.embl.gz
RepeatMasker比较常用的参数如下:
-e: 搜索引擎,默认都选择ncbi
-pa: 并行计算,多线程
-s, -q, -qq: 搜索速度,速度和敏感度成反比
-lib: 自定义重复数据库
-species: 指定物种,例如human, mouse, arabidopsis
-gff: 额外输出GFF文件
- 开始安装
$perl ./configure
然后修改LTR_retriever的'paths'文件:
$vim /your_path_to/LTR_retriever/paths
修改:
BLAST+=/your_path_to/BLAST+2.2.30/bin/
RepeatMasker=/your_path_to/RepeatMasker4.0.0/
HMMER=/your_path_to/HMMER3.1b2/bin/
CDHIT=/your_path_to/CDHIT4.6.1/
BLAST=/your_path_to/BLAST2.2.26/bin/ #not required if CDHIT provided
BLAST+=/data1/spider/ytbiosoft/soft/ncbi-blast-2.8.1+/bin/
RepeatMasker=/data1/spider/ytbiosoft/soft/RepeatMasker-master
HMMER=/data1/spider/ytbiosoft/soft/hmmer/hmmer-3.2.1/src
CDHIT=/data1/spider/ytbiosoft/miniconda3/envs/python3/bin/cd-hit
BLAST=/data1/spider/ytbiosoft/miniconda3/envs/python3/bin/
二:数据输入
数据有如下两个:
- Genomic sequence
- LTR-RT candidates(可以接受多个LTR输入,包括 LTRharvest以及 LTR_FINDER等的输出结果:2个足以)
两个软件的下载地址:
LTR_Finder:https://github.com/xzhub/LTR_Finder.git
LTRharvest:http://genometools.org/
-
LTRharvest
LTRharvest
$gt suffixerator \
-db $REFERENCE \
-indexname $SPECIES \
-tis -suf -lcp -des -ssp -sds -dna
$gt ltrharvest \
-index $SPECIES \
-similar 90 -vic 10 -seed 20 -seqids yes \
-minlenltr 100 -maxlenltr 7000 -mintsd 4 -maxtsd 6 \
-motif TGCA -motifmis 1 > $SPECIES.harvest.scn &
- LTR_Finder
$tar -zxvf LTR_Finder.tar.gz
$cd source && make
$ltr-finder -D 15000 -d 1000 -L 7000 -l 100 -p 20 -C -M 0.9 $REFERENCE > $SPECIES.finder.scn &
三.运行程序(支持一个输入或者多个输入)
一个输入
$LTR_retriever -genome $REFERENCE -inharvest $SPECIES.harvest.scn
多个输入
$LTR_retriever -genome $REFERENCE -inharvest $SPECIES.harvest.scn -infinder $SPECIES.finder.scn -threads 20
输出为$REFERENCE.LTRlib.fa,重命名为LTR.lib,作为后续repeatmasker屏蔽重复时的输入文件。