Introduction
自己整理一些常用的功能基因预测/注释通用工具，因为数量较多，不会写的很仔细，对于每个单独的工具可以进一步找相关教程学习。
基因结构鉴定工具
Prodigal
参考教程：一文读懂Prodigal教程[1]
介绍： Prodigal（Prokaryotic Dynamic Programming Gene-finding Algorithm）是一款用于原核生物基因预测的高效工具，广泛应用于基因组和宏基因组数据分析。
安装：
# 下载并解压源代码包：
wget https://github.com/hyattpd/Prodigal/releases/download/v2.6.3/prodigal.linux
chmod +x prodigal.linux
sudo mv prodigal.linux /usr/local/bin/prodigal
# 或者直接用 conda 安装：
conda install prodigal简单使用：
1. 基因组序列文件中预测基因：
prodigal -i input.fasta -o genes.gbk -a proteins.faa
GeneMark
参考教程：
• GeneMark-ES[2]
• GeneMarkS[3]
介绍： GeneMark是一款通用的基因预测工具，适用于原核和真核生物，能够识别复杂的基因结构。
安装：
1. 前往GeneMark官网（http://exon.gatech.edu/GeneMark/）下载相应的版本。
2. 解压并配置环境变量：
tar -xzvf genemark.tar.gz
export PATH=$PATH:/path/to/genemark
简单使用：
1. 对基因组序列文件进行基因预测：
gmhmmp -m MetaGeneMark_v1.mod -o genes.gff input.fasta
Prokka
参考教程：基因注释Prokka[4]
介绍： Prokka 是一个快速的基因组功能注释工具，能够对细菌、古菌和病毒基因组进行注释。它集成了多个工具，用于基因预测和功能注释，输出标准化的注释结果。
安装：
conda install prokka简单使用：
1. 对基因组序列进行注释：
prokka input.fasta --outdir annotation_output --prefix sample
RNA鉴定工具
tRNAscan-SE
参考教程：tRNAscan-SE安装使用教程[5]
介绍： tRNAscan-SE 是一款广泛应用的tRNA基因预测工具，能够高效、准确地识别基因组中的tRNA基因。该工具结合了多个算法，以提高预测准确性。
安装： 安装有点麻烦，需要仔细:
1. 下载并解压源代码包：
# 自己找一下最新版看看
wget http://trna.ucsc.edu/tRNAscan-SE.tar.gz
tar -xzvf tRNAscan-SE.tar.gz
cd tRNAscan-SE
./configure --prefix=$(pwd)
make && make install
#需要调用infernal
wget -c http://eddylab.org/infernal/infernal-1.1.2-linux-intel-gcc.tar.gz
tar xzvf infernal-1.1.2-linux-intel-gcc.tar.gz
cd infernal-1.1.2-linux-intel-gcc/
./configure --prefix=$(pwd)
make && make install
cp binaries/* bin
# 添加bashrc
echo "export PATH=$PATH:/path/to/tRNAscan-SE/bin" >> ~/.bashrc
echo "export PERL5LIB=/path/to/tRNAscan-SE/lib:$PERL5LIB" >> ~/.bashrc
source ~/.bashrc
# 需要编辑/path/to/tRNAscan-SE/tRNAscan-SE.conf文件，下面这几行需要修改
bin_dir: /path/to/tRNAscan-SE/bin
lib_dir: /path/to/tRNAscan-SE/lib
infernal_dir: /path/to/infernal-1.1.2-linux-intel-gcc/bin
简单使用：
1. 对基因组序列进行tRNA基因预测：
tRNAscan-SE -o output.txt input.fasta
ARAGORN
介绍： ARAGORN是一款用于快速和高效识别基因组序列中tRNA和tmRNA基因的工具。它的设计目的是在大规模基因组分析中提供精确的tRNA/tmRNA基因定位。
安装：
• Conda安装：
conda install -c bioconda aragorn
简单使用：
1. 识别tRNA和tmRNA基因：
aragorn -i input.fasta -o output.txt
Barrnap
参考教程：Barrnap预测rRNA基因[6]
介绍： Barrnap是一款快速、小巧的rRNA基因预测工具，专为16S、23S和5S rRNA基因的检测而设计，适用于细菌和古菌。
安装：
wget https://github.com/tseemann/barrnap/archive/v0.9.tar.gz
tar -xzvf v0.9.tar.gz
cd barrnap-0.9
sudo cp bin/barrnap /usr/local/bin/
#或者conda安装：
conda install -c bioconda -c conda-forge barrnap简单使用：
1. 对基因组序列进行rRNA基因预测：
barrnap input.fasta > output.gff
比对软件
我们要对鉴定到的基因进行功能注释，有一些功能数据库具有配套的比对软件，但更多的数据库是只提供序列的，我们需要自己使用一些软件建库比对。
BLAST
参考教程：BLAST教程[7]
介绍： BLAST（Basic Local Alignment Search Tool）是一个广泛使用的基因和蛋白质序列比对工具，能够快速地在数据库中查找与查询序列相似的序列。
安装：
wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-*.tar.gz
tar -xzvf ncbi-blast-*.tar.gz
cd ncbi-blast-*
# 配置环境变量：
export PATH=$PATH:/path/to/ncbi-blast-*/bin
# 或者conda安装：
conda install -c bioconda blast简单使用：
1. 创建本地数据库：
makeblastdb -in database.fasta -dbtype nucl -out mydb2. 进行序列比对：
blastn -query query.fasta -db mydb -out results.txt
DIAMOND
参考教程：DIAMOND: 超快的蛋白序列比对软件[8]
介绍： DIAMOND是一个快速的蛋白质序列比对工具，设计用于比对大规模数据集，速度比BLAST快几个数量级。
安装：
wget https://github.com/bbuchfink/diamond/releases/download/v2.0.14/diamond-linux64.tar.gz
tar -xzvf diamond-linux64.tar.gz
# 或者conda安装
conda install -c bioconda diamond简单使用：
1. 创建本地数据库：
diamond makedb --in database.fasta -d mydb2. 进行序列比对：
diamond blastp -d mydb -q query.fasta -o results.m8
MMseqs2
参考教程：MMseqs2蛋白质序列快速高效比对工具[9]
介绍： MMseqs2（Many-against-Many sequence searching）是一个快速高效的序列搜索和聚类工具，适用于大规模数据集，这个可以好好学习一下使用，因为速度算是非常快的。
安装：
wget https://mmseqs.com/latest/mmseqs-linux.tar.gz
tar -xzvf mmseqs-linux.tar.gz
# 或者conda安装
conda install -c conda-forge -c bioconda mmseqs2简单使用：
1. 创建本地数据库：
mmseqs createdb input.fasta mydb2. 进行序列比对：
mmseqs search mydb query.fasta result tmp
mmseqs convertalis mydb query.fasta result results.m8
在基因组和宏基因组研究中，除了BLAST、DIAMOND和MMseqs2等常用比对软件外，还有一些基于隐马尔可夫模型（HMM）的比对工具，这些工具能够提供更敏感和准确的比对，特别是对于蛋白质家族和结构域的检测。
在基因组和宏基因组研究中，基因和功能注释的比对工具是不可或缺的。以下是一些常用的工具，包括HMM（隐马尔可夫模型）相关的比对软件：
HMMER
参考教程：hmmer 简明教程[10]
介绍： HMMER是一款基于HMM的工具，适用于检测蛋白质家族和结构域。
安装：
• Conda安装：
conda install -c bioconda hmmer
简单使用：
1. 创建HMM模型：
hmmbuild mymodel.hmm myalignment.sto2. 进行HMM比对：
hmmsearch --tblout results.tbl mymodel.hmm query.fasta
功能数据库
KEGG
• 官网: KEGG[11]
• 介绍: KEGG (Kyoto Encyclopedia of Genes and Genomes) 是一个综合数据库，提供有关基因组、化学物质和系统功能的信息。它包含了代谢通路、药物、疾病、代谢物等多种数据。KEGG 用于基因和代谢途径的注释，帮助研究人员理解生物体的复杂功能和相互作用。
eggNOG
• 官网: eggNOG[12]
• 介绍: eggNOG (evolutionary genealogy of genes: Non-supervised Orthologous Groups) 是一个用于功能注释和进化学分类的数据库。它通过无监督的方式构建直系同源基因组群，提供高质量的功能预测和注释，广泛应用于基因功能研究和比较基因组学。
Pfam
• 官网: Pfam[13]
• 介绍: Pfam 是一个蛋白质家族数据库，提供已知蛋白质结构域和功能位点的详细信息。每个结构域在数据库中都以隐马尔可夫模型（HMMs）的形式存储，Pfam 用于注释蛋白质序列，帮助研究人员理解蛋白质的结构和功能。
COG
• 官网: COG[14]
• 介绍: COG (Clusters of Orthologous Groups) 数据库针对细菌和古菌，组织和分类了直系同源基因群。COG 提供了跨物种的基因和蛋白质功能注释，帮助研究者识别基因的保守性和功能演化。
InterPro
• 官网: InterPro[15]
• 介绍: InterPro 是一个综合数据库，整合了多个蛋白质家族、结构域和功能位点的资源。它通过统一的注释标准，帮助研究人员分析和理解蛋白质序列的功能。
UniProt
• 官网: UniProt[16]
• 介绍: UniProt 是一个全面的蛋白质序列和功能数据库。它提供了丰富的蛋白质信息，包括序列、功能注释、相互作用、结构等，广泛应用于生物信息学和系统生物学研究。
CAZy
• 官网: CAZy[17]
• 介绍: CAZy (Carbohydrate-Active enZymes) 数据库专注于碳水化合物活性酶，包括糖苷水解酶、糖苷转移酶、多糖裂解酶等。CAZy 用于注释和分类这些酶，帮助研究人员理解碳水化合物代谢和功能。
MEROPS
• 官网: MEROPS[18]
• 介绍: MEROPS 是一个肽酶和肽酶抑制剂的数据库。它分类和注释了各种肽酶及其抑制剂，提供了序列、功能和结构信息，帮助研究人员研究蛋白质降解和调控机制。
TIGRFAMs
• 官网: TIGRFAMs[19]
• 介绍: TIGRFAMs 是一个用于功能和进化注释的蛋白质家族模型数据库。它基于 HMMs，为每个蛋白质家族提供详细的功能注释，广泛用于基因组和代谢途径的研究。
CARD
• 官网: CARD[20]
• 介绍: CARD（The Comprehensive Antibiotic Resistance Database） 是经过严格筛选的、经过同行评审的耐药性决定因素和相关抗生素的集合，由抗生素耐药性本体论 (ARO) 和 AMR 基因检测模型组织而成。
mobileOG-db
• 官网: mobileOG-db[21]
• 介绍: mobileOG-db 是一个用于注释移动基因组的数据库。它基于 HMMs，为每个移动基因组提供详细的功能注释，广泛用于基因组和代谢途径的研究。
元素循环
碳循环
碳循环是指碳在生物圈、大气圈、水圈和岩石圈中的循环过程。它通过光合作用、呼吸作用、分解和燃烧等途径，维持着地球上的碳平衡。碳循环的重要性在于它对气候变化和生态系统健康的影响。
相关信息可以在KEGG找到大部分，甲烷循环部分具有数据库MCycDB[22]
NCycDB
• 官网: NCycDB[23]
• 介绍: NCycDB 是一个专注于氮循环的基因和酶的数据库，包含与氮循环相关的功能基因信息。它有助于研究氮在生态系统中的转化过程，理解氮循环的分子机制。
PCycDB
• 官网: PCycDB[24]
• 介绍: PCycDB 是一个关于磷循环的数据库，提供了磷循环相关基因和酶的信息。该数据库有助于研究磷的生物地球化学循环，了解磷在环境中的迁移和转化过程。
SCycDB
• 官网: SCycDB[25]
• 介绍: SCycDB 专注于硫循环，包含硫循环相关的基因和酶信息。它帮助研究者理解硫在生态系统中的循环过程，分析硫的生物地球化学作用。
AsgeneDB
• 官网: AsgeneDB[26]
• 介绍: AsgeneDB 是一个关于氨基酸循环的数据库，包含氨基酸循环相关的基因和酶信息。它有助于研究氨基酸在生态系统中的循环过程，理解氨基酸的生物地球化学作用。
FeGenie
• 官网: FeGenie[27]
• 介绍: FeGenie 是一个关于铁循环的数据库，包含铁循环相关的基因和酶信息。它有助于研究铁在生态系统中的循环过程，理解铁的生物地球化学作用。
PlasticDB
• 官网: PlasticDB[28]
• 介绍: PlasticDB 是一个关于塑料循环的数据库，包含塑料循环相关的基因和酶信息。它有助于研究塑料在生态系统中的循环过程，理解塑料的生物地球化学作用。
关注公众号 'bio llbug',获取最新推送。点击阅读原文，阅读体验更佳。
引用链接
[1] 一文读懂Prodigal教程: https://blog.csdn.net/zd200572/article/details/135991053[2] GeneMark-ES: https://cloud.tencent.com/developer/article/1625152[3] GeneMarkS: https://cloud.tencent.com/developer/article/2075645[4] 基因注释Prokka: https://blog.csdn.net/woodcorpse/article/details/106552667[5] tRNAscan-SE安装使用教程: https://www.jianshu.com/p/92489a720134[6] Barrnap预测rRNA基因: https://www.jianshu.com/p/8f4061c38508[7] BLAST教程: https://www.jianshu.com/p/de28be1a3bea[8] DIAMOND: 超快的蛋白序列比对软件: https://blog.csdn.net/u012110870/article/details/102804629[9] MMseqs2蛋白质序列快速高效比对工具: https://blog.csdn.net/zrc_xiaoguo/article/details/134747183[10] hmmer 简明教程: https://www.jianshu.com/p/da21884850ad[11] KEGG: https://www.kegg.jp/[12] eggNOG: http://eggnogdb.embl.de/[13] Pfam: http://pfam.xfam.org/[14] COG: https://www.ncbi.nlm.nih.gov/research/cog/[15] InterPro: https://www.ebi.ac.uk/interpro/[16] UniProt: https://www.uniprot.org/[17] CAZy: http://www.cazy.org/[18] MEROPS: https://www.ebi.ac.uk/merops/[19] TIGRFAMs: https://tigrfams.jcvi.org/cgi-bin/index.cgi[20] CARD: https://card.mcmaster.ca/[21] mobileOG-db: https://github.com/clb21565/mobileOG-db[22] MCycDB: https://github.com/qichao1984/MCycDB[23] NCycDB: https://github.com/Tu-Lab/NCyc[24] PCycDB: https://github.com/ZengJiaxiong/Phosphorus-cycling-database[25] SCycDB: https://github.com/Tu-Lab/SCycDB[26] AsgeneDB: https://github.com/Asgene/AsgeneDB[27] FeGenie: https://github.com/Arkadiy-Garber/FeGenie[28] PlasticDB: https://plasticdb.org
