KEGG功能注释工具 KofamKOALA 安装与使用
KEGG数据库，即京都基因和基因组百科全书（Kyoto Encyclopedia of Genes and Genomes），是系统分析基因功能、基因组信息的数据库。
KofamKOALA是一个方便的KEGG功能注释工具，由创建KEGG的京都大学化研所生物信息中心学者在2019年11月发表于Bioinformatics。
以隐马尔科夫模型(HMM)创建的KOfam来进行蛋白序列同源搜索，其准确性可与性能最佳的工具相媲美， 有网页和Linux两个版本，本文重点介绍Linux版的安装与使用。
网页版
网址 https://www.genome.jp/tools/kofamkoala/
avatar
网页填入蛋白序列信息，设值E值和留下邮箱点击Compute，只需要等待邮箱回复
Linux版
Linux版本的KofamKOALA 需要下载 KOfam（数据库）和 KofamScan（软件），软件依赖Ruby，HMMER和GNU Parallel（事先没有安装可以看以下教程）
安装
我们以kofamscan安装在主目录$HOME(或者叫~)下为例介绍：
step1
下载和解压 KOfam 和 KofamScan
mkdir -p ~/kofamscan/dbcd ~/kofamscan/dbwget ftp://ftp.genome.jp/pub/db/kofam/ko_list.gz wget ftp://ftp.genome.jp/pub/db/kofam/profiles.tar.gz gunzip ko_list.gz tar xvzf profiles.tar.gz mkdir -p ~/kofamscan/bincd ~/kofamscan/binwget ftp://ftp.genome.jp/pub/tools/kofamscan/kofamscan-1.2.0.tar.gz # 注意kofamscan版本tar xvzf kofamscan-1.2.0.tar.gz
step2
下载 Ruby HMMER GNU Parallel
cd ~/kofamscan mkdir ruby hmmer parallel src cd src# Ruby版本应不小于2.4,这里演示的是2.7版;HMMER应大于3.1，这里是3.3;Parallel为最新版wget https://cache.ruby-lang.org/pub/ruby/2.7/ruby-2.7.0.tar.gzwget http://eddylab.org/software/hmmer/hmmer-3.3.tar.gzwget ftp://ftp.gnu.org/gnu/parallel/parallel-latest.tar.bz2
安装 Ruby
cd ~/kofamscan/src tar xvzf ruby-2.7.0.tar.gz cd ruby-2.7.0./configure --prefix=$HOME/kofamscan/ruby make make install
安装 HMMER
cd ~/kofamscan/src tar xvzf hmmer-3.3.tar.gz cd hmmer-3.3./configure --prefix=$HOME/kofamscan/hmmer make make install
安装 GNU Parallel
cd ~/kofamscan/src tar xvjf parallel-latest.tar.bz2 cd parallel-20190322 # 这里根据版本而定./configure --prefix=$HOME/kofamscan/parallel make make install
将Ruby路径加入环境变量（之后执行如果报错可能是ruby的问题，推荐ruby按照本文方法安装）
export PATH=$HOME/kofamscan/ruby/bin:$PATH
step3
复制config-template.yml文件并重命名为config.yml
cd ~/kofamscan/bin/ cp config-template.yml config.yml
cat config.yml文件,内容如下:
我们需要在config.yml添加键值，以便ruby识别读取.
可以vim编辑加入以下内容到config.yml，注意绝对路径.
profile: /path/to/home/kofamscan/db/profiles ko_list: /path/to/home/kofamscan/db/ko_list hmmsearch: /path/to/home/kofamscan/hmmer/bin/hmmsearch parallel: /path/to/home/kofamscan/parallel/bin/parallel
如：
若hummsearch和parallel可安装在其他地方改为相关路径
使用
现在可以使用了，我们准备蛋白序列fasta文件（注意必须是蛋白序列，不支持核酸序列）
./exec_annotation -o result.txt query.fasta
如我在~/kofamscan/test/文件夹下有samples.fasta文件，定义输出文件为res.txt
cd ~/kofamscan/bin/kofamscan-1.2.0 # 路径中有exec_annotation文件./exec_annotation -o ~/kofamscan/test/res.txt~/kofamscan/test/samples.fasta
运行完毕后的输出文件：
若报错可能是ruby的路径不在首选环境变量，可执行：
export PATH=$HOME/kofamscan/ruby/bin:$PATH
./exec_annotation -h查看全部参数：
## Options
- `-o FILE`
- The result are output to `FILE`. It defaults to `stdout`.
- `-p`, `--profile=PROFILE`
- Use `PROFILE` as a profile database. See [Profiles](#profiles)
- `-k`, `--ko-list=FILE`
- Use `FILE` as a KO list.
- `--cpu=N`
- Set the number of `hmmsearch` processes started simultaneously to `N`. It defaults to 1 unless it is set in `config.yml`.
- `-c FILE`
- Use `FILE` as a config file instead of `config.yml` in the same directory as `exec_annotation`.
- `--tmp-dir=DIR`
- Use `DIR` as a temporary directory where hmmsearch results are. It will be created if not exist. It defaults to `./tmp`.
- `-E`, `--e-value=VALUE`
- Require E-value to be smaller than or equal to `VALUE`. If not, an asterisk will not be added in `detail` format or the hit will not be reported in other formats.
- `-T`, `--threshold-scale=VALUE`
- The score thresholds are multiplied by `VALUE`. For example, with `-T2` option, the thresholds become twice as strict.
- `-f`, `--format=FORMAT`
- Set the format of the output to `FORMAT`. Three formats below are available.
- `detail`
- Default format. Gene name, assigned K number, threshold of the KO, hmmsearch score and E-value, and the definition of KO are shown. In addition, an asterisk '*' is added to the head of the line if the score is higher than the threshold.
- `mapper`
- Format which can be used for [KEGG Mapper](https://www.genome.jp/kegg/mapper.html) input. It includes a gene name and an assigned K number separated by a tab. Here, an assigned K number represents a hit with score above the predefined threshold. Note that for some KOs, predefined score thresholds are not available when they are represented by a very few number of sequences in KEGG GENES.
- `mapper-oneline`
- Similar to `mapper`, but when more than one KO are assigned to a gene, all assigned KO are shown in one line separated by tabs.
- `--[no-]report-unannotated`
- With `--report-unannotated` option, gene names are shown even when no KO is assigned (default when `--format=mapper(-oneline)`). With `--no-report-unannotated` such genes are not shown at all (default when `--format=detail`).
- `--create-alignment`
- `hmmsearch`'s normal outputs per profile are stored in the temporary directory. In addition, domain information and alignments in the outputs will be rearranged per query.
- Not compatible with `--reannotation`
- `-r`, `--reannotation`
- Skip `hmmsearch` and assume that `hmmsearch` outputs are already in the temporary directory. This will help you to make an output in a different format or redo annotation changing thresholds.
- Not compatible with `--create-alignment`
- `-h`, `--help`
- Show brief help message.
参考 ：
https://www.genome.jp/tools/kofamkoala/
https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btz859/5631907
猜你喜欢
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑
系列教程：微生物组入门 Biostar 微生物组 宏基因组
专业技能：学术图表 高分文章 生信宝典 不可或缺的人
一文读懂：宏基因组 寄生虫益处 进化树
必备技能：提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析：图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具：16S预测培养基 生信绘图
科研经验：云笔记 云协作 公众号
编程模板: Shell R Perl
生物科普: 肠道细菌 人体上的生命 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文