新版EvidenceModeler基因组注释方法

EvidenceModeler用于将多种方法的注释结果合并整理

从头预测的结果，同源注释结果，RNA-seq辅助注释结果，EST注释结果等等。

1.下载并配置环境

wget https://github.com/EVidenceModeler/EVidenceModeler/releases/download/EVidenceModeler-v2.1.0/EVidenceModeler-v2.1.0.tar.gz

tar -zxvf  EVidenceModeler-v2.1.0.tar.gz

cd EVidenceModeler-v2.1.0/

make

#配置环境，如果运行有问题的话就在解压缩的路径里面make，运行没有问题可以不make

2.准备数据

ab into预测的结果：gene_prediction.gff3

同源注释结果：protein_alignments.gff3

RNA-seq注释结果：transcript_alignments.gff3

不管你有多少个文件，把它归成这三种文件，第二列的信息不一致把它们合并到同一个文件中。根据第二列的信息创建权重值，生成结果文件。

其中从头预测的文件要标准的gff3文件格式。如果后两个文件的格式和官方给定的不同，也同样做成和gene_prediction.gff3文件格式相同的文件（尤其是第九列的格式）。

gff3文件格式

同源蛋白注释文件，如果第三列和不一样的话也没关系。

RNA-seq和EST的结果， 如果第三列和不一样的话也没关系。

3.创建权重文件weights.txt

PROTEIN nap-nr_minus_rice.fasta 1

PROTEIN genewise-nr_minus_rice.fasta 5

TRANSCRIPT gap2-plant_gene_index.11282006.fasta 1

TRANSCRIPT alignAssembly-rice_release4_gmapsim4_02152006 10

ABINITIO_PREDICTION fgenesh 1

ABINITIO_PREDICTION genemark 1

ABINITIO_PREDICTION glimmerHMM 1

（以制表符分开，包括三列，第一列确定是文件类型，第二列就是注释结果文件的第二列信息，划分文件，第三列给定权重值。权重值官方文档也没有明确的定义，看到最大的就是10，一般认为TRANSCRIPT>PROTEIN>ABINITIO；从头预测的有1，同源蛋白的2-5，RNA-seq的6-10；大概这样的区间。也可以多设置，看结果是否有区别。

4.运行

$EVM_HOME/EVidenceModeler \

        --sample_id mySampleID \  # 给定生成文件名字

        --genome genome.fasta \  # 基因组文件

        --gene_predictions gene_predictions.gff3 \ 

        --protein_alignments protein_alignments.gff3 \

        --transcript_alignments transcript_alignments.gff3 \

        --segmentSize 100000 \  

        --overlapSize 10000

5.生成文件

${mySampleID}.EVM.gff3 - EVM gene structure outputs in GFF3-gene-structure format.

${mySampleID}.EVM.pep and .cds - protein and CDS sequences for EVM predictions in FASTA format.

${mySampleID}.EVM.bed - EVM gene structure outputs in BED format for viewing in IGV.