fasta格式文件处理大全（四）

前面我们介绍了fastq格式文件的处理，大概有20多个案例，掌握了这些案例，后面拿到fastq格式之后就可以根据需求，使用合适的软件工具进行处理了，从这次内容开始，我们将逐渐介绍fasta格式文件的处理。相比于fastq格式，fasta格式处理更加容易。

13 预测基因

给定一段fasta格式序列，如何预测其中的基因呢？首先需要判断该片段来自原核生物，真核生物还是病毒序列。如果是原核生物，基因结构比较简单，可以直接使用prodigal或者glimmer3工具进行预测。直接将fasta格式序列输入给软件即可。

prodigal -a ref.pep -d ref.cds -f gff -g 11  -o ref.gff  -s ref.stat -i ref.fna >prodigal.log 

-i：输入文件，fasta格式
-o：输出结果文件，有多种格式可选
-f：输出文件类型gbk, gff, or sco
-d：基因的核酸序列
-a：基因的氨基酸序列
-g：密码子表，细菌为第11
-p：模式，单菌还是宏基因组
-s：统计信息  
如果是真核生物，可以使用augustus或者snap工具进行预测。

#真核生物基因预测  
augustus --strand=both --genemodel=partial --singlestrand=false --protein=on --introns=on --start=on --stop=on --cds=on --codingseq=on --alternatives-from-evidence=true --gff3=on --UTR=on --outfile=out.gff --species=human HS04636.fa  

14 基因功能注释

给定一个基因序列，fasta格式的氨基酸序列，如何得到基因的功能信息？可以使用eggnog-mapper进行分析。

emapper.py -i gene.fasta --output polb_bact -d bact --data_dir eggnog-mapper-1.0.3/data/

-i：输入文件，基因的氨基酸序列
-m：选择运行模式hmmer或者diamond
-h：输出帮助文档
--output：输出结果前缀
--output_dir：输出结果目录
--data_dir：数据库目录
--database：单独指定数据库
--dmnd_db：单独指定diamond数据库路径

15 预测rRNA

给定一段序列，如何找到其中的核糖体RNA，也就是rRNA，包括原核生物的5S，16S，23S，真核生物的5.8S，18S，28SRNA等，由于核糖体RNA具有很高的保守性，因此，预测准确性较高。使用rnammer软件，直接输入fasta序列即可。

rnammer -S bac -m tsu,lsu,ssu  -gff ref.gff -f ref.frn ref.fna  

-S：物种类型，古细菌，细菌或者真菌
-m：需要rRNA类型，如果真要16S，则单独选择lsu  
-gff：输出gff格式结果
-f：输出fasta格式序列

16 预测tRNA

给定一段序列，如何找到其中的转运RNA，也就是tRNA，可以使用tRNAscan工具，直接输入序列即可。

tRNAscan-SE  -B  -o tRNAScan.out -f tRNAScan.out.structure -m stat.list ref.fna  

-B ：物种为细菌
-A ：物种为古细菌
-O ：输入序列为细胞器
-G ：包括全部类型
-o：输出结果
-f：tRNA二级结构
-m：统计结果

---------- END ----------

您可能还会感兴趣的