AHRD-對基因進行注釋

AHRD (Automated Assignment of Human Readable Descriptions ), 對基因進行注釋，包括GO。

githup直戳這里

安裝

首先必須安裝Java 1.7 以上版本，以及ant

利用git 克隆

git clone https://github.com/groupschoof/AHRD.git

cd AHRD

git checkout tags/v3.3.3

或者自行下載AHRD v.3.3.3 (zip or tar.gz) 安裝

減壓縮后，鍵入

ant dist

即可得到執(zhí)行程序. ./dist/ahrd.jar

使用

- 輸入數(shù)據(jù)

  1. 蛋白序列，fasta格式
  2. blastp or blat 比對結(jié)果 (可以和swissprot,trembl,tair 等任何庫進行比較)，tap 分隔

可以通過如下命令得到

blastp -outfmt 6 -query query_sequences_AA.fasta -db uniprot_swissprot.fasta -out query_vs_swissprot.txt
  1. GO (可選)

若想對GO進行注釋，則需要一個GO注釋文件，可從 Uniprot server下載goa_uniprot_all.gaf.gz

wget  http://ftp.ebi.ac.uk/pub/databases/GO/goa/UNIPROT/goa_uniprot_all.gaf.gz

該文件包含所有UniprotKB ID 所對應(yīng)的GO，根據(jù)blast的結(jié)果將GO添加到特定對應(yīng)的基因上。

若自己提供GO 對應(yīng)文件則需要修改添加相應(yīng)正則匹配，因為uniprotKB GOA 文件使用的是短名稱，類似W9QFR0， 但是uniprotKB FASTA數(shù)據(jù)使用的是長名稱，類似tr|W9QFR0|W9QFR0_9ROSA， 為了將二者相對應(yīng)，AHRD提供了相應(yīng)的正則去匹配，默認情況下，ARHD可以處理uniprot格式文件，若自己提供GO 對應(yīng)文件則需要修改添加相應(yīng)正則匹配。

  1. 利用正則調(diào)取短蛋白名稱和GO文件進行匹配，利用reference_go_regex, e.g. reference_go_regex: ^UniProtKB\s+(?<shortAccession>\S+)\s+\S+\s+(?<goTerm>GO:\d{7})
  2. 利用正則從長名稱中調(diào)取短名稱，比如在擬南芥中，short_accession_regex: "^(?<shortAccession>.+)$".

- 配置文件

根據(jù)需求進行文件的配置，可參考實例文件 ./test/resources/ahrd_example_input.yml

proteins_fasta: ./test/resources/proteins.fasta
token_score_bit_score_weight: 0.468
token_score_database_score_weight: 0.2098
token_score_overlap_score_weight: 0.3221
gene_ontology_result: ./test/resources/reference_gene_ontology_annotations_uniprotKB_GOA.txt
prefer_reference_with_go_annos: true
output: ./ahrd_output.csv
blast_dbs:
 swissprot:
   weight: 653
   description_score_bit_score_weight: 2.717061
   file: ./test/resources/swissprot_blast8_tabular.txt
   database: ./test/resources/swissprot_blast_db.fasta
   blacklist: ./test/resources/blacklist_descline.txt
   filter: ./test/resources/filter_descline_sprot.txt
   token_blacklist: ./test/resources/blacklist_token.txt

 trembl:
   weight: 904
   description_score_bit_score_weight: 2.590211
   file: ./test/resources/trembl_blast8_tabular.txt
   database: ./test/resources/trembl_blast_db.fasta
   blacklist: ./test/resources/blacklist_descline.txt
   filter: ./test/resources/filter_descline_trembl.txt
   token_blacklist: ./test/resources/blacklist_token.txt

 tair:
   weight: 854
   description_score_bit_score_weight: 2.917405
   file: ./test/resources/tair_blast8_tabular.txt
   database: ./test/resources/tair_blast_db.fasta
   fasta_header_regex: "^>(?<accession>[aA][tT][0-9mMcC][gG]\\d+(\\.\\d+)?)\\s+\\|[^\\|]+\\|\\s+(?<description>[^\\|]+)(\\s*\\|.*)?$"
   short_accession_regex: "^(?<shortAccession>.+)$"
   blacklist: ./test/resources/blacklist_descline.txt
   filter: ./test/resources/filter_descline_tair.txt
   token_blacklist: ./test/resources/blacklist_token.txt

其中，

  • gene_ontology_result 為GO對應(yīng)文件，若不進行GO注釋，則可刪除
  • 第2，3，4列為權(quán)重文件，若使用blastx結(jié)果而非blastp，應(yīng)對其值進行修改。
    由于該算法基于蛋白質(zhì)序列，而BLASTX搜索基于核苷酸序列，因此在計算blast結(jié)果的重疊分數(shù)時會出現(xiàn)問題。 要解決此問題，必須將token_score_overlap_score_weight設(shè)置為0.0。 因此，其他兩個分數(shù)必須提高。 這三個參數(shù)的總和為1。結(jié)果參數(shù)配置如下所示：
token_score_bit_score_weight: 0.6
token_score_database_score_weight: 0.4
token_score_overlap_score_weight: 0.0
  • prefer_reference_with_go_annos: true 若使用GO注釋，強烈建議選擇true
  • Description blacklist: 實為正則表達，即對描述結(jié)果匹配到的內(nèi)容（比如：Whole genome shotgun sequence）忽視。
  • Description filter: 實為正則表達，即對描述結(jié)果匹配到的內(nèi)容（the trailing Species-Descriptions ’OS=Arabidopsis thaliana）進行刪除。
  • Token blacklist： 實為正則表達，對任何匹配的內(nèi)容進行忽視。

** 擬南芥官網(wǎng)下載pep

- 輸出文件

AHRD支持兩種輸出格式， Tap分隔以及fasta格式

  • tap 分隔格式
    每一列信息如下：
  1. Protein-Accession: query 蛋白名稱
  2. Blast-Hit-Accession： 蛋白庫的名稱

  3. AHRD-Quality-Code： 包含三種字符，如果滿足個字的條件則為*，不滿足為-。條件如下：


  4. Human-Readable-Description: 注釋描述
  5. Interpro-ID (Description)
  6. Gene-Ontology-Term： GO 注釋描述
  • fasta格式
    若想出書fasta格式，則需要鍵入如下
output_fasta: true

- 運行

java -Xmx2g -jar ./dist/ahrd.jar your_use_case_file.yml

若運行時出現(xiàn)如下報錯

Error: A JNI error has occurred, please check your installation and try again
Exception in thread "main" java.lang.UnsupportedClassVersionError: 
ahrd/controller/AHRD has been compiled by a more recent version of the Java Runtime (class file version 55.0), this version of the Java Runtime only recognizes class file versions up to 52.0

表明java 和javac版本不一致，可查看

java -version
javac -version

選擇相同版本的java進行

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

友情鏈接更多精彩內(nèi)容