BUSCO4: 从QC到基因预测和系统基因组学
BUSCO目前已经更新到第4版，之前只用来评估基因组为目标，现在还能够预测基因和做系统基因组学分析。
软件安装
官方提供了docker，conda和GitLab这三种方法，这里我只介绍conda。
conda create -n busco4 -c bioconda -c conda-forge busco=4.0.5
conda activate busco4
由于软件运行的时候会用到AUGUSTUS，AUGUSTUS运行的时候需要你额外设定2个环境变量，AUGUSTUS_CONFIG_PATH和BUSCO_CONFIG_FILE, 通过conda安装的这两个配置文件都在/path/to/miniconda3/envs/busco4/config目录下，所以需要在.bashrc或.zshrc中加入下面这一行
export AUGUSTUS_CONFIG_PATH="/path/to/miniconda3/envs/busco4/config
export BUSCO_CONFIG_FILE="/path/to/miniconda3/envs/busco4//config/config.ini
这里的/path/to/miniconda3指的是的conda安装路径，请按照实际情况替换。
软件运行
BUSCO4能够自动下载数据集，并进行分析。但是考虑到国内的网络环境，我建议直接去https://busco-data.ezlab.org/v4/data/lineages/ 下载自己所需的物种，比如被子植物可以下载
wget https://busco-data.ezlab.org/v4/data/lineages/embryophyta_odb10.2019-11-20.tar.gz
tar xf embryophyta_odb10.2019-11-20.tar.gz
后续假如你组装的基因组为genome.fa，embryophyta_odb10在/data/database/目录下，那么运行命令如下
busco -m geno -i genome.fa -l /data/database/embryophyta_odb10 -o busco4 -c 20 --offline &
-
-m: 运行模式，分为geno, tran, prot三种模式 -
-i: 表示输入序列，和-m相对应 -
-l: 表示数据库的地址 -
-o: 表示输出目录 -
-c: 表示CPU数，建议20就行 -
--offline: 不需要去下载数据
此外还有几个参数和基因预测相关
-
-e: BLAST搜索的Evalue, 默认是1e-03, 越低越严格。 -
--limit: 每个BUSCO的候选区间，默认是3。如果是已知的多倍体，可以相应的增加 -
--long: 使用AUGUSTUS自训练优化模式，提高预测的可靠性（但是时间会增加）
和之前一样，运行结束后会有一个总体统计结果，这个文件在输出目录下，以short_summary.作为前缀。
统计图
除此之外，这次BUSCO最大的升级在于，它不再只输出单拷贝基因，还会输出多拷贝基因。比如说，以我提供的参数进行运行，那么可以在busco4/run_embryophyta_odb10/busco_sequences下看到输出的三个目录
- 不完整序列: fragmented_busco_sequences
- 多拷贝序列: multi_copy_busco_sequences
- 单拷贝序列: single_copy_busco_sequences
此外，新版的还提供了一个generate_plot.py来展示结果, 你可以将多个物种的运行结果放在一个目录下，那么就能比较多个物种的情况
generate_plot.py -wd busco4
单个物种
最后，如果你要使用BUSCO的话，建议直接用BUSCO 4即可，不需要再考虑之前的版本了。
