Glimmer:识别微生物中的蛋白编码基因

欢迎关注"生信修炼手册"!

Glimmer软件采用马尔科夫模型识别微生物中的蛋白编码基因，主要是针对细菌，古菌和病毒。该软件由The Institute for Genomic Research(TIGR)开发，已经用于上千个细菌，古菌，病毒基因组的注释。

软件官网如下

http://ccb.jhu.edu/software/glimmer/index.shtml 最新版本为glimmer3, 安装过程如下

wget http://ccb.jhu.edu/software/glimmer/glimmer302b.tar.gz
tar xzvf glimmer302b.tar.gz
cd glimmer3.02/

解压缩即可，在bin目录下是所有的可执行程序，scripts目录下是封装好的执行脚本。软件的运行分为两步

1. 构建ICM 模型

首先，执行build-icm程序，构建模型。利用UCSC的病毒基因组进行测试,下载病毒基因组序列

wget http://hgdownload.soe.ucsc.edu/goldenPath/eboVir3/bigZips/KM034562v1.fa.gz

建模，代码如下

long-orfs  KM034562v1.fa KM034562v1.orf
extract KM034562v1.fa KM034562v1.orf > KM034562v1.train
build-icm KM034562v1.icm < KM034562v1.train

2. 预测基因结构

代码如下

glimmer3 KM034562v1.fa KM034562v1.icm gene

第一个参数是基因组的fasta文件，第二个参数是icm模型，第三个参数是输出文件的前缀。

运行完成后，会生成两个文件，后缀分别为.detail和.predict，predict就是最终的基因预测结果，示例如下

>KM034562v1
orf00001 376 260 -2 1.35
orf00002 470 2689 +2 2.98
orf00004 3129 4151 +3 2.95

以上只是glimmer3的基本用法，在scripts目录下，提供了3个封装好的csh脚本

1. g3-from-scratch.csh
2. g3-from-training.csh
3. g3-iterated.csh

我们可以通过这些脚本来运行glimmer3， 首先要修改脚本中glimmer3和elph的安装位置

set awkpath = /fs/szgenefinding/Glimmer3/scripts
set glimmerpath = /fs/szgenefinding/Glimmer3/bin
set elphbin = /fs/szgenefinding/bin/elph

elph是一款识别motif的软件，链接如下

http://ccb.jhu.edu/software/ELPH/index.shtml

1. g3-from-scratch.csh

该脚本是对上述基本用法的封装，方便了程序的调用。用法如下

g3-from-scratch.csh genome.fa out_basename

第一个参数是基因组的fasta文件，第二个参数是输出文件的基本名称

2. g3-iterated.csh

该脚本迭代运行两次glimmer3, 将第一次预测的结果作为第二次的输入，用法如下

g3-iterated.csh genome.fa out_basename

第一个参数是基因组的fasta文件，第二个参数是输出文件的基本名称

3. g3-from-training.csh

该脚本除了基因组序列外，还需要一个coord文件，用法如下

g3-from-training.csh genome.fa gene.coords out_basename

第一个参数是基因组的fasta文件，第二个参数是基因的坐标文件，第三个是输出文件的基本名称，其中coords 文件可以从predict文件中提取得到，代码如下

tail -n +2 tag.predict > tag.coords

更多参数和用法请参考官方文档。