基因组重复序列注释-RepeatMasker安装和使用
点击上方蓝色「宏基因组」关注我们！专业干货每日推送！
写在前面
这个软件是干什么用的，估计只要研究基因组，一定会用到它。
任何基因组都有基因，基因比较有规律。而重复序列会不像基因结构那样好预测，就需要这个软件进行同源注释。
无论你是想研究重复序列，还是不想研究重复序列，都需要用到它的注释结果。
RepeatMasker是一款专门用于基因组重复序列识别注释，并分类统计的软件，几乎用于所有物种。是研究基因组、非编码RNA、转座子和着丝粒领等相关领域的必备软件。很多small RNA, lncRNA与Repeat区有密切关系。
之前我在2013在PLOB发布过《RepeatMasker安装方法与使用 》，阅读近7600+。相关百度云中Repbase也被下载几千次。但目前软件和数据库均更新很多次，旧版在主流系统安装也会出一些问题，重复序列发现种类也已经翻倍，故重发新版软件安装和使用方法。
软件安装与配置
本次安装环境为 Ubuntu 16.04.2 x64，所有相关软件和数据库全为文章发布时最新版。本文是以Root权限安装提供服务所有用户使用，没有权限的小伙伴只需将软件下载安装在自己的文件夹内，配置repeatmasker时设置所有相关软件的位置即可，不会设置环境变量的一律使用程序完整路径名运行RepeatMasker即可。
1. RMBlast序列搜索引擎
http://www.repeatmasker.org/RMBlast.html
2.6.0 ver 2 2017-3-29
# 下载RMBlast源码包并编辑
cd ~/bin/
wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/2.6.0/ncbi-blast-2.6.0+-src.tar.gz
wget http://www.repeatmasker.org/isb-2.6.0+-changes-vers2.patch.gz
tar zxvf ncbi-blast-2.6.0+-src.tar.gz
gunzip isb-2.6.0+-changes-vers2.patch.gz
cd ncbi-blast-2.6.0+-src
patch -p1 < ../isb-2.6.0+-changes-vers2.patch
cd c++
./configure --with-mt --prefix=/usr/local/rmblast --without-debug
make
# 安装程序及库至系统目录，有报误，但我们需要的rmblastn已经可以正常使用了
sudo make install # Makefile:40: recipe for target 'install-toolkit' failed
# 测试程序是否安装成功
/usr/local/rmblast/bin/rmblastn -h2. TRF(Tandem Repeat Finder)搜寻串联重复序列
http://tandem.bu.edu/trf/trf.download.html
4.09 2016-2-22
最新版4.09，本操作系统需要安装其中的legacy的64位版才能运行
cd ~/bin/
wget http://tandem.bu.edu/trf/downloads/trf409.legacylinux64
chmod +x trf409.legacylinux64
sudo cp trf409.legacylinux64 /usr/local/bin/trf
# 测试有帮助信息即可用
trf3. RepeatMasker程序
http://www.repeatmasker.org/RMDownload.html
4.0.7 2017-2-1
# 下载267MB安装包，也比较慢，放在后台慢慢下
nohup wget -c http://www.repeatmasker.org/RepeatMasker-open-4-0-7.tar.gz &bg
tar xvzf RepeatMasker-open-4-0-7.tar.gz4. Repbase数据库
http://www.girinst.org/server/RepBase/index.php
需要注册才能下载，人工审批，可能要等两天。
RepBaseRepeatMaskerEdition-20170127.tar.gz (48.84 MB) 也可以在我的百度网盘下载，并上传服务器至RepeatMasker下载的相同目录。http://pan.baidu.com/s/1c2zSMKo
mv RepBaseRepeatMaskerEdition-20170127.tar.gz RepeatMasker/
cd RepeatMasker/
tar xvzf RepBaseRepeatMaskerEdition-20170127.tar.gz5. 配置RepeatMasker依赖关系
# 默认perl, repatmasker, trf安装位置正确的就一路回车，搜索引挚选择2 RMBlast，输入RMBlast安装目录/usr/local/rmblast/bin，再选5 done完成；例如我刚才编绎最新版安装目录：/usr/local/rmblast/bin；如果新版安装失败的，下载的旧版预编辑 安装目录为：/usr/local/rmblast-2.2.28/bin
./configure
#添加至全局环境变量
sudo ln -s `pwd`/RepeatMasker /usr/local/bin/RepeatMasker软件使用实例
1. 以拟南芥, 短柄草基因组为例
# 显示程序基本用法、参数和说明
RepeatMasker
# 显示程序详细帮助手册
RepeatMasker -help
# 拟南芥分析实例
# 进入我存放拟南芥基因组的目录
cd ~/ref/phytozome/Athaliana/TAIR10/assembly
# 建立结果输出目录
mkdir repeat
# 运行程序：parallel是选择线程数; species是物种名，常见物种看帮助，没有的写小写拉丁属名或引号全名; html和gff是输出html和gff格式结果，方便查看和下游分析; dir输出结果目录；基因组fa文件必须放在所有参数最后；用时8min
time RepeatMasker -parallel 30 -species arabidopsis -html -gff -dir repeat Athaliana_167_TAIR9.fa
# 短柄草分析实例, 274MB基因组30线程用时13min
cd ~/ref/phytozome/Bdistachyon/v3.1/assembly
mkdir repeat
time RepeatMasker -parallel 30 -species brachypodium -html -gff -dir repeat Bdistachyon_314_v3.0.fa运行开始会显示数据库的发布时间版本和物种特异数据信息，需 注释核对
( Complete Database: dc20170127-rb20170127 )
Building species libraries in: /mnt/bai/public/bin/RepeatMasker/Libraries/dc20170127-rb20170127/brachypodium
201 ancestral and ubiquitous sequence(s) for brachypodium
282 lineage specific sequence(s) for brachypodium
2. 结果文件说明
*代表你基因组的名字
*.out.gff：重复序列基因组注释文件，与基因注释类似，最重要结果
# 结果预览 Chr1 RepeatMasker similarity 1 107 13.2 - . Target "Motif:ATREP18" 561 649 Chr1 RepeatMasker similarity 1066 1097 10.0 + . Target "Motif:(C)n" 1 32 Chr1 RepeatMasker similarity 1155 1187 17.1 + . Target "Motif:(TTTCTT)n" 1 33*.tbl：重复序列注释结果报告信息汇总表格 overview
*.out.html: 网页版结果详细，同RepeatMasker在线注释结果报告
*.masked: 将注释为重复序列区的大项替换为N的基因组
*.out：RepeatMasker默认输入结果格式，信息基本与gff相关
*.cat.gz: 序列与重复序列比对的文件
软件安装使用常见问题
1. RMBlast安装问题
NCBI自从2013年2.2.28后再没有更新过rmblast ftp://ftp.ncbi.nlm.nih.gov/blast/executables/rmblast/LATEST ，我尝试安装源码包在Ubuntu16.04是无法安装的；
在RepeatMasker的页面上有最近ncbi-blast-2.6.0+-src源代码和补定，按要求安装，即本文中的操作，make编辑成功，但make install有错误，不过关键程序rmblastn已经成功，可正常使用；
如果新版安装失败，可尝试安装2.2.28的预译版
cd /usr/local wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/2.2.28/ncbi-blast-2.2.28+-x64-linux.tar.gz wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/rmblast/2.2.28/ncbi-rmblastn-2.2.28-x64-linux.tar.gz tar zxvf ncbi-blast-2.2.28+-x64-linux.tar.gz tar zxvf ncbi-rmblastn-2.2.28-x64-linux.tar.gz cp -R ncbi-rmblastn-2.2.28/* ncbi-blast-2.2.28+/ rm -rf ncbi-rmblastn-2.2.28 mv ncbi-blast-2.2.28+ rmblast-2.2.28 /usr/local/rmblast-2.2.28/bin/rmblastn -h如果安装成功了2.2.28，则配置repeatmasker中rmblast位置则改为/usr/local/rmblast-2.2.28/bin/rmblastn
2. trf运行报错
是由于Linux legacy GLIBC的版本兼容性问题，故作者提供了两个版本，原文中的如果不可用，试试下面另一个版本
wget http://tandem.bu.edu/trf/downloads/trf409.linux64
chmod +x trf409.linux64
./trf409.linux643. Rpeatmasker运行时找不到依赖程序
是RepeatMasker文件中./configure步骤设置错了，再新再一次，仔细核对每个依赖程序的位置，即可正常运行。
前提是你先运行下相关依赖的程序是否可以运行！
4. 没有结果目录及结果
添加了-dir 指定输出目录，但没有结果
time RepeatMasker -parallel 30 -species arabidopsis -html -gff -dir repeat Bdistachyon_314_v3.0.fa你一定是忘记建立结果文件夹了，程序不会自己建目录，mkdir repeat是必须的。你有两个选择，要么提前建文件夹，要么直接不用-dir result参数，把结果全都输出至当前目录。
更多相关文章，请点击“宏基因组”文章目录阅读；
想了解更多16S扩增子、宏基因组文献和分析相关文章，快关注“宏基因组”公众号，干货每日推送