BRAKER v3.0.8 安装与使用-生信工具76

BRAKER 用户指南

https://github.com/Gaius-Augustus/BRAKER  #官网

首届 BGA23 研讨会 BRAKER 专场的录像，通过视频学习，可前往观看：https://www.youtube.com/watch?v=UXTkJ4mUkyg

BRAKER3 现已上线 https://usegalaxy.eu/

联系方式

• TSEBRA 与 BRAKER3 相关：Lars Gabriel，德国格赖夫斯瓦尔德大学，lars.gabriel@uni-greifswald.de
• BRAKER 与 AUGUSTUS 相关：Katharina J. Hoff，德国格赖夫斯瓦尔德大学，katharina.hoff@uni-greifswald.de，+49 3834 420 4624
• GeneMark 相关：Mark Borodovsky，美国佐治亚理工学院，borodovsky@gatech.eduTomas Bruna，美国联合基因组研究所，bruna.tomas@gmail.comAlexandre Lomsadze，美国佐治亚理工学院，alexandre.lomsadze@bme.gatech.edu

BRAKER 核心作者

a\] 德国格赖夫斯瓦尔德大学，数学与计算机科学研究所，Walther-Rathenau-Str. 47，17489 Greifswald\[b\] 德国格赖夫斯瓦尔德大学，微生物功能基因组学中心，Felix-Hausdorff-Str. 8，17489 Greifswald\[c\] 美国佐治亚理工学院与埃默里大学 Wallace H Coulter 生物医学工程系，30332 Atlanta\[d\] 美国计算科学与工程学院，30332 Atlanta\[e\] 俄罗斯莫斯科物理技术学院，莫斯科州 141701，多尔戈普鲁德内 braker2-team-2\[fig10\]braker2-team-1\[fig11\]braker2-team-3\[fig12\]braker2-team-4\[fig13

相关软件

• BRAKER 转录本筛选工具（TSEBRA）：https://github.com/Gaius-Augustus/TSEBRA
• BRAKER 核心基因预测软件之一 GeneMark-ETP：https://github.com/gatech-genemark/GeneMark-ETP
• BRAKER 核心基因预测软件之二 AUGUSTUS：https://github.com/Gaius-Augustus/Augustus
• GALBA（BRAKER 衍生流程，使用 Miniprot 或 GenomeThreader 生成训练基因）：https://github.com/Gaius-Augustus/GALBA

目录

• 什么是 BRAKER？
• 基因预测成功关键
• BRAKER 运行模式概览
• 容器
• 安装
• 支持的软件版本
• BRAKER
• Perl 流程依赖
• BRAKER 组件
• 生物信息学软件依赖
  • 必需工具
  • BRAKER3 必需工具
  • 可选工具
• 运行 BRAKER
  • BRAKER 流程模式
  • 基于 RNA-Seq 数据的 BRAKER
  • 基于蛋白数据的 BRAKER
  • 基于 RNA-Seq + 蛋白数据的 BRAKER
  • 基于长短读长 RNA-Seq + 蛋白数据的 BRAKER
• 常用 BRAKER 命令行参数说明
  • --ab_initio
  • --augustus_args=--some_arg=bla
  • --threads=INT
  • --fungus
  • --useexisting
  • --crf
  • --lambda=int
  • --UTR=on
  • --addUTR=on
  • --stranded=+,-,.,...
  • --makehub --email=your@mail.de
  • --busco_lineage lineage
• BRAKER 输出
• 示例数据
  • 数据说明
  • 使用 RNA-Seq 数据测试 BRAKER
  • 使用蛋白数据测试 BRAKER
  • 使用蛋白 + RNA-Seq 数据测试 BRAKER
  • 使用预训练参数测试 BRAKER
  • 使用基因组序列测试 BRAKER
  • 基于已有 BRAKER 运行结果启动 BRAKER
• 错误报告
  • 在 GitHub 上报错
• 常见问题
• BRAKER 及调用软件引用
• 许可证

---

什么是 BRAKER？

测序基因组数量快速增长，需要全自动、高精度的基因结构注释方法。为此我们开发了 BRAKER1，它整合 GeneMark-ET 与 AUGUSTUS，利用基因组与 RNA-Seq 数据自动完成新基因组的完整基因结构注释。

但用于新基因组注释的 RNA-Seq 数据质量参差不齐，部分情况下甚至完全没有 RNA-Seq 数据。

BRAKER2 是 BRAKER1 的扩展版本，支持基于 RNA-Seq 和 / 或蛋白同源信息全自动训练基因预测工具 GeneMark-ES/ET/EP/ETP 与 AUGUSTUS，并将 RNA-Seq 与蛋白同源的外部证据整合到预测中。

与其他依赖蛋白同源信息的方法不同，即使没有近缘物种注释、没有 RNA-Seq 数据，BRAKER2 仍能实现高精度基因预测。

BRAKER3 是 BRAKER 套件的最新流程。它可在全自动流程中同时使用 RNA-seq 与蛋白数据，通过 GeneMark-ETP 和 AUGUSTUS 训练并预测高可靠性基因。流程最终输出为两款工具的合并基因集，仅保留外部证据高度支持的基因。

本用户指南中，我们将 BRAKER1、BRAKER2、BRAKER3 统称为 BRAKER，因为三者由同一脚本（braker.pl）执行。

基因预测成功关键

• 使用高质量基因组组装。若基因组中存在大量极短 scaffold，会大幅增加运行时间，但不会提升预测精度。
• 基因组文件使用简单 scaffold 名称 （如 >contig1 优于带特殊字符、空格、长注释的名称）。运行比对软件前，确保所有 FASTA 文件的 scaffold 名称简洁。
• 新基因组精准预测基因前，需对重复序列进行软屏蔽 ，避免在重复与低复杂度区域预测出假阳性基因结构。部分 RNA-Seq 比对工具（如 HISAT2）会忽略屏蔽信息。对 GeneMark-ES/ET/EP/ETP 与 AUGUSTUS 而言，软屏蔽（重复区域小写，其余大写）优于硬屏蔽（重复区域用 N 代替）。
• 多数基因组使用 BRAKER 中 GeneMark-ES/ET/EP/ETP 与 AUGUSTUS 的默认参数即可精准预测基因结构。部分基因组具有类群特异性特征（如真菌的特殊分支点模型、非标准剪接位点模式），请阅读参数章节，判断自定义参数是否能提升目标物种基因预测精度。
• 使用前务必检查基因预测结果，可通过基因组浏览器结合外部证据可视化查看基因模型。BRAKER 支持通过 MakeHub 为 UCSC 基因组浏览器生成轨迹数据中心。

BRAKER 运行模式概览

BRAKER 主要以半无监督方式，基于外部证据数据（RNA-Seq 和 / 或蛋白剪接比对信息）训练 GeneMark-ES/ET/EP/ETP，再训练 AUGUSTUS，并在最终基因预测中整合外部证据。此外 BRAKER 还包含多种扩展流程，可用输入文件与流程如下：

1. 仅基因组文件 仅用基因组序列训练 GeneMark-ES，选取 GeneMark-ES 预测的长基因训练 AUGUSTUS，最终 AUGUSTUS 进行从头预测。该方法精度通常低于其他流程（图 2）。braker2-main-a [fig1]图 2：BRAKER 流程 A------ 仅基因组数据训练 GeneMark-ES；AUGUSTUS 从头预测基因。

2. 基因组 + 同一物种 RNA-Seq 文件 （图 3）适用于转录组覆盖度良好的短读长 RNA-Seq 文库。要求每个内含子被多个比对覆盖 ，不支持组装转录组映射。长读长 RNA-Seq 比对理论上可提供足够数据，但目前 BRAKER 尚未正式支持长读长 RNA-Seq 数据。braker2-main-b [fig2]图 3：BRAKER 流程 B------ 基于 RNA-Seq 剪接比对信息训练 GeneMark-ET，AUGUSTUS 使用相同剪接比对信息进行预测。

3. 基因组 + 蛋白数据库 （图 4）适用于无 RNA-Seq 数据的场景。蛋白序列亲缘关系可较远，近缘物种蛋白效果更佳，但远缘蛋白精度下降很小。要求使用蛋白家族数据库 （每个蛋白家族包含多个代表序列），已在 OrthoDB 上成功测试。用于生成 BRAKER 提示文件的 ProtHint 蛋白映射流程：https://github.com/gatech-genemark/ProtHintOrthoDB 输入蛋白制备软件：https://github.com/tomasbruna/orthodb-clades预分好的 OrthoDB v11：https://bioinf.uni-greifswald.de/bioinf/partitioned_odb11/预分好的 OrthoDB v12：https://bioinf.uni-greifswald.de/bioinf/partitioned_odb12/braker2-main-c[fig3]图 4：BRAKER 流程 C------ 基于蛋白剪接比对、起始 / 终止信息训练 GeneMark-EP+，AUGUSTUS 使用相同信息 + 串联 CDSpart 提示进行预测。所用蛋白与目标物种可存在任意进化距离。

4. 基因组 + 同一物种 RNA-Seq + 蛋白数据库 （图 5）要求使用蛋白家族数据库（如 OrthoDB），可添加近缘物种蛋白作为补充证据。braker3-main-a [fig4]图 5：BRAKER 流程 D------ 按需下载并比对目标物种 RNA-Seq 数据；基于 RNA-Seq 比对与大型蛋白数据库训练 GeneMark-ETP；随后使用相同外部证据与 GeneMark-ETP 结果训练并预测 AUGUSTUS；最终预测由 TSEBRA 合并 AUGUSTUS 与 GeneMark-ETP 结果得到。

---

容器

我们深知手动安装 BRAKER3 及其所有依赖繁琐，无 root 权限时尤为困难。因此提供可通过 Singularity 运行的 Docker 容器，相关信息见：https://hub.docker.com/r/teambraker/braker3

简要构建命令：

singularity build braker3.sif docker://teambraker/braker3:latest

执行：

singularity exec braker3.sif braker.pl

测试：

singularity exec -B $PWD:$PWD braker3.sif cp /opt/BRAKER/example/singularity-tests/test1.sh .
singularity exec -B $PWD:$PWD braker3.sif cp /opt/BRAKER/example/singularity-tests/test2.sh .
singularity exec -B $PWD:$PWD braker3.sif cp /opt/BRAKER/example/singularity-tests/test3.sh .
export BRAKER_SIF=/your/path/to/braker3.sif
bash test1.sh
bash test2.sh
bash test3.sh

少数用户希望在 Docker 内运行分析（需 root 权限）：

sudo docker run --user 1000:100 --rm -it teambraker/braker3:latest bash
bash /opt/BRAKER/example/docker-tests/test1.sh  # BRAKER1
bash /opt/BRAKER/example/docker-tests/test2.sh  # BRAKER2
bash /opt/BRAKER/example/docker-tests/test3.sh  # BRAKER3

⚠️ 容器不含 Java/GUSHR/ 任何与 UTR 相关工具，目前我们不再维护 BRAKER 的 UTR 预测，功能存在缺陷且不稳定，请勿使用。

⚠️ 用户反馈：从 Nextflow 运行容器前，需手动将 AUGUSTUS_CONFIG_PATH 内容复制到可写路径，并在 Nextflow 中以命令行参数指定可写的 AUGUSTUS_CONFIG_PATH 给 BRAKER。

祝顺利；-)

---

安装

⚠️ 警告：若你此前使用过 BRAKER1 和 / 或 BRAKER2，请注意使用方式已多处改变。系统 $PATH 中残留的旧版 GeneMark 可能导致未知冲突与程序崩溃，请将所有旧版 GeneMark 移出 $PATH（包括 ProtHint/dependencies 中的 GeneMark）。

支持的软件版本

发布时，本版 BRAKER 已在以下版本测试通过：

• AUGUSTUS 3.5.0
• GeneMark-ETP
• BAMTOOLS 2.5.1
• SAMTOOLS 1.7-4-g93586ed
• Spaln 2.3.3d
• NCBI BLAST+ 2.2.31+
• DIAMOND 0.9.24
• cdbfasta 0.99
• cdbyank 0.981
• GUSHR 1.0.0
• SRA Toolkit 3.00
• HISAT2 2.2.1
• BEDTOOLS 2.30
• StringTie2 2.2.1
• GFFRead 0.12.7
• compleasm 0.2.5

BRAKER

Perl 流程依赖

运行 BRAKER 需要 Linux 系统、bash 与 Perl，且需安装以下 CPAN Perl 模块：

• File::Spec::Functions
• Hash::Merge
• List::Util
• MCE::Mutex
• Module::Load::Conditional
• Parallel::ForkManager
• POSIX
• Scalar::Util::Numeric
• YAML
• Math::Utils
• File::HomeDir

用于 GeneMark-ETP（蛋白 + RNA-Seq 输入）：

• YAML::XS
• Data::Dumper
• Thread::Queue
• threads

Ubuntu 示例（使用 cpanm）：

sudo cpanm Hash::Merge

无 root 权限可使用 Anaconda 环境：

wget https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.sh
bash Anaconda3-2018.12-Linux-x86_64.sh
conda install -c anaconda perl
conda install -c bioconda perl-app-cpanminus
# 依次安装所需模块

注意：bioconda 有 braker 和 augustus 包，但通常滞后于 GitHub 开发版，建议手动安装最新源码。

BRAKER 组件

BRAKER 包含一系列 Perl/Python 脚本与一个 Perl 模块，主脚本为 braker.pl。其他组件：

• filterGenemark.pl
• filterIntronsFindStrand.pl
• helpMod_braker.pm
• findGenesInIntrons.pl
• downsample_traingenes.pl
• ensure_n_training_genes.py
• get_gc_content.py
• get_etp_hints.py

所有 .pl 与 .py 脚本必须可执行：

chmod a+x *.pl *.py

建议将 BRAKER 目录加入环境变量：

PATH=/your_path_to_braker/:$PATH
export PATH

---

生物信息学软件依赖

必需工具

GeneMark-ETP

下载：http://github.com/gatech-genemark/GeneMark-ETP设置环境变量：

export GENEMARK_PATH=/your_path_to_GeneMark_executables/

AUGUSTUS

下载：https://github.com/Gaius-Augustus/Augustus务必自行编译，使用 GitHub 最新版，不要使用旧版 Debian/bioconda 包。设置可写配置目录：

export AUGUSTUS_CONFIG_PATH=/your_path_to_AUGUSTUS/Augustus/config/

Python3

可通过环境变量指定：

export PYTHON3_PATH=/path/to/python3/

Bamtools

export BAMTOOLS_PATH=/your_path_to_bamtools/bin/

NCBI BLAST+ 或 DIAMOND

二选一即可，优先 DIAMOND（速度更快）：

export DIAMOND_PATH=/your_path_to_diamond/
# 或 BLAST
export BLAST_PATH=/your_path_to_blast/

BRAKER3 必需工具（仅 RNA-Seq + 蛋白模式）

• StringTie2
• BEDTools
• GffRead

可选工具

• Samtools
• Biopython
• cdbfasta / cdbyank
• Spaln（已弃用独立支持）
• GUSHR（UTR 专用）
• UCSC 工具（twoBitInfo、faToTwoBit）
• MakeHub
• SRA Toolkit
• HISAT2
• compleasm

---

运行 BRAKER

仅 RNA-Seq 数据

braker.pl --species=yourSpecies --genome=genome.fasta --bam=file1.bam,file2.bam

BRAKER 软件支持多种方式将 RNA‑Seq 数据作为输入：

你可以将来自 SRA 数据库的 RNA‑Seq 测序文库编号（ID）作为参数 --rnaseq_sets_ids 的输入（若存在多个编号，使用英文逗号分隔）。BRAKER 会自动下载对应编号的测序文库，示例如下：

braker.pl --species=yourSpecies --genome=genome.fasta \
   --rnaseq_sets_ids=SRA_ID1,SRA_ID2

你也可以使用本地未经比对的 FASTQ 格式文件作为输入。在这种情况下，你需要将 RNA‑Seq 数据集的编号作为参数 --rnaseq_sets_ids 的输入，并将 FASTQ 文件所在的目录路径作为参数 --rnaseq_sets_dirs 的输入。对于每个编号 ID，如果是单端测序 reads，BRAKER 会在这些目录中搜索名为 ID.fastq 的一个 FASTQ 文件；如果是双端测序 reads，则会搜索名为 ID_1.fastq 和 ID_2.fastq 的两个 FASTQ 文件。

例如，如果你有一个名为 SRA_ID1 的双端文库和一个名为 SRA_ID2 的单端文库，你需要在目录 /path/to/local/fastq/files/ 下存放文件 SRA_ID1_1.fastq、SRA_ID1_2.fastq 和 SRA_ID2.fastq。随后，你可以使用如下命令运行 BRAKER：

braker.pl --species=yourSpecies --genome=genome.fasta \
   --rnaseq_sets_ids=SRA_ID1,SRA_ID2 \
   --rnaseq_sets_dirs=/path/to/local/fastq/files/

向 BRAKER 提供 BAM 格式的 RNA‑Seq 数据有两种方式。第一种方式与提供 FASTQ 文件的方式相同：将 BAM 文件的编号 / 名称作为参数 --rnaseq_sets_ids 的输入，并使用 --rnaseq_sets_dirs 指定 BAM 文件所在的目录。BRAKER 会自动识别这些编号对应的是 BAM 文件而非 FASTQ 文件，示例如下：

braker.pl --species=yourSpecies --genome=genome.fasta \
   --rnaseq_sets_ids=BAM_ID1,BAM_ID2 \
   --rnaseq_sets_dirs=/path/to/local/bam/files/

第二种方式是直接指定 BAM 文件的路径。BRAKER 既可以从 BAM 文件中提取 RNA‑Seq 剪接比对信息，也可以直接使用已提取好的信息。

braker.pl --species=yourSpecies --genome=genome.fasta \
   --bam=file1.bam,file2.bam

请注意：我们通常默认 BAM 文件是由 HiSat2 软件生成的，因为 BRAKER3 在处理 FASTQ 输入时也会调用该比对软件。如果你出于某些原因希望使用 STAR 软件生成 BAM 文件，请在 STAR 中使用参数 --outSAMstrandField intronMotif，以生成与 BRAKER3 中的 StringTie 兼容的文件。

若要使用已经提取好的 RNA‑Seq 剪接比对信息运行 BRAKER，可执行如下命令：

braker.pl --species=yourSpecies --genome=genome.fasta \
   --hints=hints1.gff,hints2.gff

此类 hints 文件的格式必须如下所示（以制表符分隔）：

chrName b2h intron  6591    8003    1   +   .   pri=4;src=E
chrName b2h intron  6136    9084    11  +   .   mult=11;pri=4;src=E
...

第二列中的来源标识 b2h 以及最后一列中的来源标签 src=E 对 BRAKER 至关重要，软件会据此判断一条 hint 是否由 RNA‑Seq 数据生成。

在同一次 BRAKER 运行中，也可以混合使用 上述不同方式提供 RNA‑Seq 数据集，以上所有参数的任意组合均支持。不建议 在 ETP 模式（同时使用 RNA‑Seq 与蛋白质数据）下通过 --hints 参数提供 RNA‑Seq 数据，因为 GeneMark‑ETP 不会使用这类 hints！

仅蛋白数据

braker.pl --genome=genome.fa --prot_seq=proteins.fa

RNA-Seq + 蛋白数据（BRAKER3 标准模式）

braker.pl --genome=genome.fa --prot_seq=orthodb.fa --bam=file.bam

常用参数

• --threads=INT：线程数
• --fungus：真菌模式（启用分支点模型）
• --UTR=on：训练并预测 UTR（实验性功能）
• --addUTR=on：仅添加 UTR，不训练参数
• --makehub --email=xxx：生成 UCSC 轨迹中心
• --busco_lineage：指定 BUSCO 谱系

---

输出文件

• braker.gtf：最终基因集
• braker.codingseq：CDS 序列
• braker.aa：蛋白序列
• braker.gff3：GFF3 格式（需指定 --gff3）
• hintsfile.gff：外部证据提示文件

部分 BRAKER 命令行参数说明

如需获取完整参数列表，请运行 braker.pl --help。

---

--ab_initio

在基于 hints 的 AUGUSTUS 预测之外，额外进行 AUGUSTUS 从头（ab initio）预测（额外输出文件：augustus.ab_initio.*）。在基因组浏览器中查看预测结果时，该参数可用于评估训练得到的基因参数质量。

---

--augustus_args="--some_arg=bla"

向 AUGUSTUS 传递一个或多个命令行参数。若传入多个参数，用空格分隔，格式为："--first_arg=sth --second_arg=sth"。如果你已知特定物种的基因预测在预测阶段使用某一 AUGUSTUS 参数会获得更好效果，该参数会很有用。

---

--threads=INT

设置计算过程中可使用的最大线程数 。BRAKER 部分步骤只能单线程运行，其他步骤可利用多线程加速。若使用超过 8 个线程，并非所有并行步骤都会提速 ：尤其是耗时较长的 optimize_augustus.pl 最多只使用 8 个线程。但如果你不介意部分线程空闲，使用超过 8 个线程仍可加快其他步骤的速度。

---

--fungus

GeneMark-ETP 参数：启用分支点模型运行算法。如果你的研究对象是真菌基因组，请使用该参数。

---

--useexisting

如果指定物种已存在配置文件与参数文件，则直接使用；若 BRAKER 执行 AUGUSTUS 训练，会覆盖原有参数。

---

--crf

对 AUGUSTUS 执行 CRF 训练 。只有当 CRF 训练得到的参数准确率高于 HMM 参数时，才会在最终预测中保留该参数。该参数会增加运行时间！

---

--lambda=int

修改泊松分布参数 λ，用于根据内含子数量对训练基因进行下采样 （仅对内含子数≤5 的基因进行下采样）。默认值：λ = 2。对于以单外显子基因为主的物种，建议设为 0。（一般来说，与多外显子基因相比，单外显子基因对提升 AUGUSTUS 参数的贡献更小。）

---

--UTR=on

从 RNA-Seq 覆盖度信息中为 AUGUSTUS 生成 UTR 训练样本 ，训练 AUGUSTUS 的 UTR 参数，并使用 AUGUSTUS 进行带 UTR 的基因预测 ，同时将 RNA-Seq 覆盖度信息作为证据。该功能为实验性特性！

若之前运行 BRAKER 时未加 --UTR=on，可通过以下命令补充 UTR 参数训练并使用 UTR 参数进行基因预测（仅使用 RNA-Seq hints）：

braker.pl --genome=../genome.fa --addUTR=on \
    --bam=../RNAseq.bam --workingdir=$wd \
    --AUGUSTUS_hints_preds=augustus.hints.gtf \
    --threads=8 --skipAllTraining --species=somespecies

• 修改 augustus.hints.gtf 为上一次 BRAKER 运行得到的带 hints 的 AUGUSTUS 预测文件；
• 修改 flanking_DNA 为上一次 BRAKER 运行日志文件中的侧翼区域长度；
• 修改 some_new_working_directory 为本次补充运行的结果存放路径；
• 修改 somespecies 为上一次 BRAKER 使用的物种名。

---

--addUTR=on

利用 GUSHR，从 RNA-Seq 覆盖度信息中为 AUGUSTUS 基因预测结果添加 UTR 。不进行 UTR 参数训练 ，也不使用 UTR 参数重新做基因预测。

若之前运行 BRAKER 时未加 --addUTR=on，可通过以下命令为之前的结果补充 UTR：

braker.pl --genome=../genome.fa --addUTR=on \
    --bam=../RNAseq.bam --workingdir=$wd \
    --AUGUSTUS_hints_preds=augustus.hints.gtf --threads=8 \
    --skipAllTraining --species=somespecies

• 修改 augustus.hints.gtf 为上一次 BRAKER 运行得到的带 hints 的 AUGUSTUS 预测文件；
• 修改 some_new_working_directory 为本次补充运行的结果存放路径；
• 本次运行不会修改 AUGUSTUS 参数。

建议使用 --species=somespecies 指定原始运行的物种名，否则 BRAKER 会创建无用的 Sp_* 物种参数目录。

---

--stranded=+,-,.,...

当启用 --UTR=on 时，可通过 --bam=plus.bam,minus.bam 提供按链分开的 bam 文件 。此时 --stranded=... 用于标记各 bam 文件的链信息：

• + 正义链
• - 反义链
• . 无链信息

注意：只有设置了 --stranded=... ，无链信息的数据才会在基因预测步骤中被使用。**该功能为实验性特性！**GUSHR 目前暂不利用链特异性数据。

---

--makehub --email=your@mail.de

若同时提供 --makehub 和有效的邮箱地址 --email=your@mail.de，将通过 MakeHub 生成轨迹数据中心（track data hub），用于在 UCSC Genome Browser 中可视化 BRAKER 结果。

---

--gc_probability=DECIMAL

默认情况下，GeneMark-ES/ET/EP/ETP 对供体剪接位点 GC（而非 GT）的预测概率设为 0.001。对于 GC 型供体位点更常见的物种，可以适当提高该值。例如：赫氏圆石藻（Emiliania huxleyi）中约 50% 的供体剪接位点为 GC 型。

---

--busco_lineage=lineage

使用物种特异性的 BUSCO 谱系 ，例如节肢动物使用 arthropoda_odb10。BRAKER 不支持谱系自动识别。

在 BRAKER R28 中，指定 BUSCO 谱系会触发两处改动：

1. BRAKER 将以基因组模式运行 compleasm，使用指定谱系，并将检测到的 BUSCO 匹配转换为 AUGUSTUS 的 hints，这可能会略微提高 augustus.hints.gtf 中的 BUSCO 数量。

2. BRAKER 将调用 best_by_compleasm.py，检查默认由 TSEBRA 生成的 braker.gtf，对比 augustus.hints.gtf 和 genemark.gtf，看其缺失 BUSCO 数量是否最低 。若不是，则按照决策流程重新运行 TSEBRA ，以最小化最终输出 braker.gtf 中的缺失 BUSCO 数量。

   • 若生成了更优的基因集，原始 braker.gtf 会被移至 braker_original 目录。
   • best_by_compleasm.py 的运行信息会写入 best_by_compleasm.log。

---

错误报告

在 GitHub 提交 Issue：https://github.com/Gaius-Augustus/BRAKER/issues报告时请附上：

• braker.log 崩溃步骤
• 相关错误文件（bam2hints、GeneMark、etraining、augustus 等 stderr）

---

引用

[R0] Bruna, Tomas, Hoff, Katharina J., Lomsadze, Alexandre, Stanke, Mario, and Borodovsky, Mark. 2021. "BRAKER2: automatic eukaryotic genome annotation with GeneMark-EP+ and AUGUSTUS supported by a protein database." NAR Genomics and Bioinformatics 3(1):lqaa108.↩

[R1] Hoff, Katharina J, Simone Lange, Alexandre Lomsadze, Mark Borodovsky, and Mario Stanke. 2015. "BRAKER1: Unsupervised Rna-Seq-Based Genome Annotation with Genemark-et and Augustus." Bioinformatics 32 (5). Oxford University Press: 767--69.↩

[R2] Lomsadze, Alexandre, Paul D Burns, and Mark Borodovsky. 2014. "Integration of Mapped Rna-Seq Reads into Automatic Training of Eukaryotic Gene Finding Algorithm." Nucleic Acids Research 42 (15). Oxford University Press: e119--e119.↩

[R3] Stanke, Mario, Mark Diekhans, Robert Baertsch, and David Haussler. 2008. "Using Native and Syntenically Mapped cDNA Alignments to Improve de Novo Gene Finding." Bioinformatics 24 (5). Oxford University Press: 637--44.↩

[R4] Stanke, Mario, Oliver Schöffmann, Burkhard Morgenstern, and Stephan Waack. 2006. "Gene Prediction in Eukaryotes with a Generalized Hidden Markov Model That Uses Hints from External Sources." BMC Bioinformatics 7 (1). BioMed Central: 62.↩

[R5] Barnett, Derek W, Erik K Garrison, Aaron R Quinlan, Michael P Strömberg, and Gabor T Marth. 2011. "BamTools: A C++ Api and Toolkit for Analyzing and Managing Bam Files." Bioinformatics 27 (12). Oxford University Press: 1691--2.↩

[R6] Li, Heng, Handsaker, Bob, Alec Wysoker, Tim Fennell, Jue Ruan, Nils Homer, Gabor Marth, Goncalo Abecasis, and Richard Durbin. 2009. "The Sequence Alignment/Map Format and Samtools." Bioinformatics 25 (16). Oxford University Press: 2078--9.↩

[R7] Gremme, G. 2013. "Computational Gene Structure Prediction." PhD thesis, Universität Hamburg.↩

[R8] Gotoh, Osamu. 2008a. "A Space-Efficient and Accurate Method for Mapping and Aligning cDNA Sequences onto Genomic Sequence." Nucleic Acids Research 36 (8). Oxford University Press: 2630--8.↩

[R9] Iwata, Hiroaki, and Osamu Gotoh. 2012. "Benchmarking Spliced Alignment Programs Including Spaln2, an Extended Version of Spaln That Incorporates Additional Species-Specific Features." Nucleic Acids Research 40 (20). Oxford University Press: e161--e161.↩

[R10] Osamu Gotoh. 2008b. "Direct Mapping and Alignment of Protein Sequences onto Genomic Sequence." Bioinformatics 24 (21). Oxford University Press: 2438--44.↩

[R11] Slater, Guy St C, and Ewan Birney. 2005. "Automated Generation of Heuristics for Biological Sequence Comparison." BMC Bioinformatics 6(1). BioMed Central: 31.↩

[R12] Altschul, S.F., W. Gish, W. Miller, E.W. Myers, and D.J. Lipman. 1990. "Basic Local Alignment Search Tool." Journal of Molecular Biology 215:403--10.↩

[R13] Camacho, Christiam, et al. 2009. "BLAST+: architecture and applications." BMC Bioinformatics 1(1): 421.↩

[R14] Lomsadze, A., V. Ter-Hovhannisyan, Y.O. Chernoff, and M. Borodovsky. 2005. "Gene identification in novel eukaryotic genomes by self-training algorithm." Nucleic Acids Research 33 (20): 6494--6506. doi:10.1093/nar/gki937.↩

[R15] Ter-Hovhannisyan, Vardges, Alexandre Lomsadze, Yury O Chernoff, and Mark Borodovsky. 2008. "Gene Prediction in Novel Fungal Genomes Using an Ab Initio Algorithm with Unsupervised Training." Genome Research . Cold Spring Harbor Lab, gr--081612.↩

[R16] Hoff, K.J. 2019. MakeHub: Fully automated generation of UCSC Genome Browser Assembly Hubs. Genomics, Proteomics and Bioinformatics , in press, preprint on bioarXive, doi: https://doi.org/10.1101/550145.↩

[R17] Bruna, T., Lomsadze, A., & Borodovsky, M. 2020. GeneMark-EP+: eukaryotic gene prediction with self-training in the space of genes and proteins. NAR Genomics and Bioinformatics, 2(2), lqaa026. doi: https://doi.org/10.1093/nargab/lqaa026.↩

[R18] Kriventseva, E. V., Kuznetsov, D., Tegenfeldt, F., Manni, M., Dias, R., Simão, F. A., and Zdobnov, E. M. 2019. OrthoDB v10: sampling the diversity of animal, plant, fungal, protist, bacterial and viral genomes for evolutionary and functional annotations of orthologs. Nucleic Acids Research, 47(D1), D807-D811.↩

[R19] Keilwagen, J., Hartung, F., Grau, J. (2019) GeMoMa: Homology-based gene prediction utilizing intron position conservation and RNA-seq data. Methods Mol Biol. 1962:161-177, doi: 10.1007/978-1-4939-9173-0_9.↩

[R20] Keilwagen, J., Wenk, M., Erickson, J.L., Schattat, M.H., Grau, J., Hartung F. (2016) Using intron position conservation for homology-based gene prediction. Nucleic Acids Research, 44(9):e89.↩

[R21] Keilwagen, J., Hartung, F., Paulini, M., Twardziok, S.O., Grau, J. (2018) Combining RNA-seq data and homology-based gene prediction for plants, animals and fungi. BMC Bioinformatics, 19(1):189.↩

[R22] SRA Toolkit Development Team (2020). SRA Toolkit. https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software.[↩](#a22)

[R23] Kim, D., Paggi, J. M., Park, C., Bennett, C., & Salzberg, S. L. (2019). Graph-based genome alignment and genotyping with HISAT2 and HISAT-genotype. Nature biotechnology, 37(8):907-915.↩

[R24] Quinlan, A. R. (2014). BEDTools: the Swiss‐army tool for genome feature analysis. Current protocols in bioinformatics, 47(1):11-12.↩

[R25] Kovaka, S., Zimin, A. V., Pertea, G. M., Razaghi, R., Salzberg, S. L., & Pertea, M. (2019). Transcriptome assembly from long-read RNA-seq alignments with StringTie2. Genome biology, 20(1):1-13.↩

[R26] Pertea, G., & Pertea, M. (2020). GFF utilities: GffRead and GffCompare. F1000Research, 9.↩

[R27] Huang, N., & Li, H. (2023). compleasm: a faster and more accurate reimplementation of BUSCO. Bioinformatics, 39(10), btad595.↩

[R28] Bruna, T., Gabriel, L. & Hoff, K. J. (2024). Navigating Eukaryotic Genome Annotation Pipelines: A Route Map to BRAKER, Galba, and TSEBRA. arXiv, https://doi.org/10.48550/arXiv.2403.19416 .↩