NCBI官方真核生物全基因组注释流程首次开源！尝鲜体验踩坑贴奉上

萌哥碎碎念：

NCBI的官方注释流程一直都是出了名的效果拔群准确度极高，但可惜一直都是非开源的，看到这么好用的工具却用不到自己的项目里，心里可太刺挠了。

终于！最近NCBI开源了他们的流程，下面的内容由小伙伴阿良供稿_{大家如果有好的稿子也可以投稿给我呀}

项目地址：

• https://github.com/ncbi/egapx

Eukaryotic Genome Annotation Pipeline - External (EGAPx)

使用体验

总的使用感受：最好能找到国外的好友帮忙，因为下载依赖文件时，网络速度是个问题

运行说明

本文采用singularity镜像方式运行，以示例数据为例。

原因：
采用singularity镜像可以避免aws S3部分的设置（这里会要求你开通亚马逊帐号）。

整个流程要先配置nextflow，可以参考：

https://www.nextflow.io/docs/latest/install.html

软件安装

1. 先安装nextflow

默认你已经装了java, 没安装的话记得安装。

curl -s https://get.nextflow.io | bash
chmod +x nextflow
sudo mv nextflow /usr/local/bin
nextflow info

如果你没有sudo权限，试试在conda环境下安装nextflow后运行。

2. 下载singularity镜像

可直接跳到github页面offline mode部分。

选择适合的方式获得镜像（考验你的网络）

singularity pull docker://ncbi/egapx:0.2-alpha 

3. 下载本地缓存文件

下载“一些”注释所需要的文件（考验你网速的时刻到了）

git clone https://github.com/ncbi/egapx.git
cd egapx
python3 ui/egapx.py -dl -lc ../local_cache

4. 下载示例数据

下载3中的缓存文件的同时，下载示例所需数据

# 方法不限，能下载下来数据就行
prefetch SRR8506572
prefetch SRR9005248
fasterq-dump --skip-technical --threads 6 --split-files --seq-defline ">\$ac.\$si.\$ri" --fasta -O sradir/  ./SRR8506572
fasterq-dump --skip-technical --threads 6 --split-files --seq-defline ">\$ac.\$si.\$ri" --fasta -O sradir/  ./SRR9005248

5. 修改示例数据的配置文件内容

vim examples/input_D_farinae_small.yaml

6. 避坑指南 （本文最重要的地方）

biowulf_cluster.config默认的是NIH的biowulf集群，配置文件虽然已经设好，但我无法选用，因此放弃。
考虑到自己用的本地singularity镜像，因此在后续命令中采用-e singularity参数。

避坑点：直接使用会在运行过程中再次下载singularity镜像，既浪费了前面已下好的，又会因为网络问题失败。
所以记得修改egapx_config/singularity.config文件：

echo "process.container = '/path_to_/egapx_0.2-alpha.sif'" >> egapx_config/singularity_config
#或者直接vim编辑 egapx_config/singularity_config文件

7. 开始运行示例数据

ui/egapx.py examples/input_D_farinae_small.yaml -e singularity -w dfs_work -o dfs_out -lc ../local_cache

目前正常运行中！有后续再更新~

运行中.png