基因组注释笔记——GeneMark-ES/ET的使用

GeneMark-ES/ET 简介

GeneMark-ES/ET 是一种用于基因预测的计算工具，主要用于从头（ab initio）预测基因结构。
（1）GeneMark-ES（Extrinsic Signal） ：

功能：主要用于从头预测基因结构，不依赖于外部注释信息（如已知基因或蛋白质序列）。

特点：通过分析基因组序列的统计特性（如密码子偏好、基因结构模式等）来预测基因。

适用场景：适用于新测序的基因组，尤其是那些缺乏已知注释信息的基因组。
（2）GeneMark-ET（Extrinsic Training） ：

功能：结合外部注释信息（如已知基因、蛋白质序列或转录本信息）来提高基因预测的准确性。

特点：利用外部数据（如 RNA-Seq 数据、蛋白质同源性信息等）对基因预测模型进行训练和优化。

适用场景：适用于已有一定注释信息的基因组，通过结合这些信息来提高预测的准确性和可靠性。

安装

（1）下载软件和密匙、上传到根目录：https://exon.gatech.edu/GeneMark/license_download.cgi

（2）解压

tar -zxvf gmes_linux_64_4.tar.gz

（3）将密匙设置为隐藏文件

gunzip gm_key.gz
mv gm_key .gm_key

# 创建一个环境
conda create --name genmark perl=5.32 -y
# 安装编译器
conda install annconda::gcc_linux-64 -y
#查看环境变量
echo $PERL5LIB
# 如果不是当前环境需要修改为当前环境下的
export PERL5LIB=~/miniconda3/envs/genmark/lib/perl5:~/miniconda3/envs/genmark/lib/perl5/site_perl:~/miniconda3/envs/genmark/lib/perl5/core_perl：~/miniconda3/envs/genmark/lib/perl5/5.32/site_perl:~/miniconda3/envs/genmark/lib/perl5/5.32/core_perl

# 安装一些模块，不要在conda环境中用cpan\cpanm这些安装，Perl XS 模块（.so）可能和 Conda 的 Perl ABI 不兼容，会导致冲突
conda install -c bioconda perl-yaml perl-hash-merge perl-logger-simple perl-parallel-forkmanager perl-mce perl-threaded perl-math-utils

# 进入软件包，检查，模块是否都安装好了
cd gmes_linux_64_4
./check_install.bash

使用，拆分染色体运行

使用软屏蔽后的基因组

INPUT_DIR="~/annotation/022.repeatmasker/split"
# 输出根目录
OUTPUT_ROOT="~/annotation/genemark"
# 遍历所有染色体文件
for chr_file in ${INPUT_DIR}/*; do
    # 提取染色体名称（例如从 genome.fasta.id_chr1.masked 中提取 chr1）
    chr_name=$(basename ${chr_file} | sed 's/genome.fasta.id_//;s/\.masked$//')   
    # 创建染色体专属输出目录
    output_dir=$OUTPUT_ROOT/$chr_name
    mkdir -p ${output_dir}
    echo "perl ~/gmes_linux_64_4/gmes_petap.pl --ES --sequence ${chr_file} --cores 4 --work_dir ${output_dir} " >> workscripts/genemark.sh
done
# 批量投递

常见报错一：使用 GeneMark-ES/ET 时如果依然遇到 Perl 模块缺失 的问题

主要还是环境问题，可以尝试以下解决方法：

# （1）查看环境变量的路径，检查自己模块路径是否在其中
find ~/miniconda3/envs/genmark/lib/perl5 -name YAML # 检查模块路径
perl -V #检查环境调用路径
# 如果有缺失添加缺失的模块路径到环境变量
export PERL5LIB=~/miniconda3/envs/genmark/lib/perl5/5.32/core_perl/:$PERL5LIB 
# 取消指定默认编译路径的参数
unset $PERLLIB
# （2）还有一种情况是某一个之前安装的模块可能有问题，需要卸载perl重装
conda install -n genmark --force-reinstall perl

# 关于是否需要修改perl脚本第一行的perl路径问题：
# 显式地使用 /usr/bin/perl 来运行 Perl 脚本时，系统将忽略脚本中的 shebang 行，即使脚本里设置了 #!/path/to/perl，也不会生效。系统会优先使用你在命令行中指定的那个 Perl 解释器。
# 但是运行脚本中涉及到其他脚本，没有指定编译器，会用第一行指定的编译器，所以需要批量修改
cd ~/gmes_linux_64_4
find . -type f -name "*.pl" -exec sed -i '1s|/usr/bin/perl|~/miniconda3/envs/genmark/bin/perl|' {} +

常见报错二：无法编译，或者编译错误等

# （1）看gcc版本
ll ~/miniconda3/envs/genmark/lib/gcc/x86_64-conda-linux-gnu
# （2）检查perl的配置文件
vim /public2/home/heyi02/miniconda3/envs/genmark/lib/perl5/5.32/core_perl/Config.pm
# 找到编译和库的路径
:/compilerroot
# 检查这个路径与自己conda的编译环境是否一致
# 比如：如果自己用的gcc版本与脚本中定义的不一致，就可以进行修改，将Config.pm中的12.3.0改为14.2.0