RepeatMasker注释重复序列二

RepeatMasker二.再次学习

2023年3月16日

9:28

近期通过看文献和接触到的新的重复序列注释工具，对RepeatMasker的使用理解加深了一点点，对重复序列的注释过程也更清晰了些。我下面说的重复序列注释都是针对的转座子重复序列注释的，也就说LTR和non-LTR注释结果。串联重复序列使用TRF就行了。

先看文献一ref1的内容:

第一步是先使用EDTA和Repeatmodeler构建TE library。具体来说是因为EDTA对LTR注释效果好，使用其做LTR的注释，Repeatmodeler来注释non-LTR，然后把这两个结果合并作为Repeatmodeler的TE library。第二步使用RepeatMasker做注释，得到的结果就是最终的TEs结果。

当然，具体怎么合并EDTA和Repeatmodeler结果的，还需要进一步学习。

文献二ref2注释的方法：

然后你会发现，和上一篇文献类似，先用不同工具确定重复序列的，然后合并结果构建TE Library，最后还是用RepeatMasker进行注释。

文献三ref南极磷虾的重复序列注释方法：

南极磷虾基因组有很大篇幅对重复序列进行了研究，因此它的重复序列注释办法很值得参考，也和我合作的公司用的注释办法最为接近，这个工作本身也是由华大来做的注释。两种策略，同源注释和de novo注释，Ref1和Ref2我理解都是de novo注释过程，如果不是单门做重复序列的研究，我觉得选择de nono注释方法就可以了，毕竟这个同源注释你的参考物种基因组质量咋样也不好说。

先用RepeatMasker和RepeatProteinMask(运行超级慢的一个工具)做同源预测。然后RepetModerl和LTR-Finder做de novo预测并为Tes Library提供给RepeatMasker进行注释。

同源测序和de novo预测的结果怎么整合的作者并没有说，等着我做完这两部分工作的时候再写一篇学习记录。

在EDTA的学习记录中我发现有人提出EDTA在注释non-LTR时效果不好，需要和RepeatMasker结合，方法见下面：

https://github.com/oushujun/EDTA/issues/231

文献Ref4:22年NG上荔枝基因组的注释更简单，只注释了LTR区域。

Ref5:22年NG上甘蔗基因组：

作者利用了de novo 和 homology的策略，首先用RepeatModeler做de novo预测，RepeatMasker做homology，最终由RepeatMasker确定类型和统计。

RepeatModeler补充说明：从头预测transposable element (TE)的软件，它的核心是结合了三大预测软件（RECON, RepeatScout and LtrHarvest/Ltr_retriever）来共同预测TE序列，其通过重复序列的结构特征来进行从头注释，因此可以寻找一些物种特有的重复序列。在给定基因组数据库的情况下，RepeatModeler可帮助自动执行各种算法，对冗余结果进行聚类，对家族进行精炼和分类，并生成适用于RepeatMasker并最终建立重复序列系列数据库，然后再用于RepeatMasker进行注释

见我另一篇学习记录。

总结一下：最核心的步骤还是两步，一是通过不同工具构建一个你觉得质量比较好的TE library,二是把这个TE library提供给RepeatMasker做注释用，最终RepeatMasker的结果就是你的重复序列注释结果。还有一个疑问，EDTA可以指定参数使用RepeatMasker和RepeatModeler的，并且是默认在其运行环境中使用这两个软件，等我的EDTA结果出来后，我会试着回答这个疑问。

我觉得比较简单的组合就是Ref1的方法，EDTA使用简单，具体怎么整合Lib并提供给RepeatMasker，在EDTA的github上的Issue上有一些办法，参考：https://github.com/oushujun/EDTA/issues/61

但对大基因组，EDTA可能运行时间会比较久，

关于EDTA的运行时间：https://github.com/oushujun/EDTA/issues/61

参考:

Ref1: Hidden genomic features of an invasive malaria vector, Anopheles stephensi, revealed by a chromosome-level genome assembly,Chakraborty et al. BMC Biology (2021) 19:28 

Ref2: The draft genome of the specialist flea beetle Altica viridicyanea (Coleoptera: Chrysomelidae),Xue et al. BMC Genomics (2021) 22:243 ;

Ref3：The enormous repetitive Antarctic krill genome reveals environmental adaptations and population insights,shao et al., 2023, Cell 186, 1–16March 16, 2023.https://doi.org/10.1016/j.cell.2023.02.005

Ref4:Two divergent haplotypes from a highly heterozygous lychee genome suggest independent domestication events for early and late-maturing cultivars;

Ref5:Genomic insights into the recent chromosome reduction of autopolyploid sugarcane Saccharum spontaneum

本文使用 文章同步助手 同步