RepeatModeler+RepeatMasker 的安装与使用 - 基因组 - 生信学习 | Zhou Xiaozhao = 小钊の笔记 = 前天是小兔子，昨天是小鹿，今天是你

在基因组注释中第一步就是重复序列的屏蔽，目前常用的从头注释 pipeline 就是 RepeatModeler + RepeatMasker。

# 一：RepeatMasker 安装

# 1.TRF

trf 下载地址：[https://tandem.bu.edu/trf/trf409.linux64.download.html]

bash

	mv trf409.linux64 trf

	chmod a+x trf。

# 2.RMblast

推荐使用 2.9.0 版本

使用 conda 安装

bash

conda install RMblast=2.9.0

# 3.RepeatMasker

bash

	wget -c http://www.repeatmasker.org/RepeatMasker-4.1.0.tar.gz
	tar xzvf RepeatMasker-4.1.0.tar.gz
	chmod 755 *
	./configure

“./configure” 执行后，根据提示信息进行

1.perl 环境，系统会默认自动检测

2.TRF，默认自动检测，不过我没有使用 conda 安装也没有加入环境变量需要自己输入

3. 序列搜索引擎，在这里使用的是 RMblast，默认检测

最后配置环境变量

bash

	vi ~/.bashrc
	输入 export PATH="/datadisk02/soft/RepeatMaker:$PATH"
	source ~/.bashrc

# 二：RepeatModeler 安装

# 1.RepeatMasker、TRF、RMblast（已安装，不再赘述）

# 2. RECON

bash

wget -c http://eddylab.org/software/recon/RECON1.05.tar.gz

也可以使用 conda 安装

# 3.RepeatScout

bash

wget -c http://www.repeatmasker.org/RepeatScout-1.0.6.tar.gz

# 4. 可选软件，运行 LTR 结构搜索必须软件，也可以不安装

# LtrHarvest

LtrHarvest 程序是 GenomeTools 套件的一部分。安装 genometools 即可，但安装时老报错，还好有万能的 conda

bash

conda install genometools-genometools

# Ltr_retriever

bash

	https://github.com/oushujun/LTR_retriever/archive/master.zip
	unzip LTR_retriever-master
	添加至环境变量

# MAFFT

bash

	wget http://mafft.cbrc.jp/alignment/software/mafft-7.158-without-extensions-src.tgz
	perl -p -i -e's#PREFIX =.*#PREFIX = /opt/biosoft/mafft#' Makefile
	perl -p -i -e's#BINDIR =.*#BINDIR = /opt/biosoft/mafft/bin/#' Makefile
	make
	make install
	添加环境变量

# CD-HIT

bash

	wget https://github.com/weizhongli/cdhit/archive/master.zip
	unzip cdhit-master.zip && cd cdhit-master/
	sudo make
	添加至环境变量

# Ninja

bash

	wget https://github.com/TravisWheelerLab/NINJA/archive/master.zip
	解压后安装

Ninja 安装非常让人头疼

bash

	sudo make
	g++-7 命令未找到

查看 Makefile 后发现该问题

该软件需要 c11 (4.8.1) 以上的编译器，首先查看自己的 gcc 以及 g 版本，4.8.1 版本以上

bash

	sudo gcc -v
	sudo g++ -v

g++-7 这个命令是没有的，我们需要在 Makefile 里找到 g++-7 并把它改为 g++，然后 make

安装结束后打开 NINJA 文件夹

看到有 Ninja 出现

bash

	./Ninja
	缺失 libstdc++.so.6: version’GLIBCXX_3.4.20’

又 tm 报错，都快要崩溃了，去网上搜解决方案呗，后来发现是 libstdc++.so.6 的版本过低造成的，自己服务器上的 libstdc++.so.6 是一个软链接，它链接到了实际的动态库文件：libstdc++.so.6.0.19；由于该问题已解决，我的软连接改为了 libstdc++.so.6.0.24

bash

	sudo cp /usr/local/lib64/libstdc++.so.6.0.24 /usr/lib64
	cd /usr/lib64
	sudo rm libstdc++.so.6
	ln libstdc++.so.6.0.20 libstdc++.so.6

这时候回到 NINJA 下运行成功，添加到环境变量

# 5.RepeatModeler 安装

如果前几步都添加了环境变量，软件会自动检测，只需要敲回车即可

bash

	cd RepeatModeler
	perl ./configure

终于成功，开心

# 三：重复序列的屏蔽

无 library 直接使用 RepeatMasker 中的 RepBase 数据库来计算重复序列，若 RepBase 数据库对目标物种的覆盖不好，则很可能只找到较少的重复序列。此时，使用 RepeatModeler 构建 library 就很有必要。

无 library 的构建方法在 RepeatMasker 官网上有个流程，http://www.repeatmasker.org/RepeatModeler/，根据 example run 的来就行

# 1. 构建数据库

bash

BuildDatabase -name hud Lichenomphalia_hudsoniana_LH.genome.fasta

# 2. 构建 library

bash

nohup RepeatModeler -pa 10 -database hud -LTRStruct >& run.out &

运行成功完成后，将生成两个文件，还有一个文件夹

bash

	hud-families.fa
	hud-families.stk

让我们看一下这两个文件都是啥

bash

less hud-families.fa

这是一个 fa 文件，在 id 上会注明这个序列是什么结构，比如这条序列就是 LTR, 再看一下所有的 ID

bash

grep ">" hud-families.fa

可以发现在 repeatmodeler 运行完就已经把基因组的所有序列进行了标识

bash

less hud-families.stk

这个文件看的我有点懵，没见过的格式啊，后来去官网查了一下这是 Dfam 兼容的 Stockholm 格式，可以通过将数据提交到 help@dfam.org 上传到 Dfam 数据库。

不过咱们也别纠结这个问题，下一步用到的只有 xxx-families.fa

# 3. 运行 RepeatMasker

bash

nohup RepeatMasker -e rmblast -lib hud-families.fa -pa 16 Lichenomphalia_hudsoniana_LH.genome.fasta &

运行速度很快，结果生成三个文件

bash

	Lichenomphalia_hudsoniana_LH.genome.fasta.masked
	Lichenomphalia_hudsoniana_LH.genome.fasta.out
	Lichenomphalia_hudsoniana_LH.genome.fasta.tbl

Lichenomphalia_hudsoniana_LH.genome.fasta.out：这个文件主要记录了基因组重复的位置信息以及类型

Lichenomphalia_hudsoniana_LH.genome.fasta.tbl，对各个重复进行了归类并汇总基因组重复信息，

逆转录因子：SINEs，短散在重复序列。 LINEs，长散在重复序列。LTR，长末端重复序列。

DNA 转座子

Lichenomphalia_hudsoniana_LH.genome.fasta.masked：这个就我们要的最终文件，把重复序列替换为 N 的基因组序列文件，利用这文件就可以进行下一步注释了

# 参考链接

https://blog.csdn.net/libaineu2004/article/details/77100132?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

http://www.repeatmasker.org/

https://www.jianshu.com/p/50ce4bcd1972

各个软件的链接都在 http://www.repeatmasker.org/，我就不整理在这了

# 一：RepeatMasker 安装

# 1.TRF

# 2.RMblast

# 3.RepeatMasker

# 二：RepeatModeler 安装

# 1.RepeatMasker、TRF、RMblast（已安装，不再赘述）

# 2. RECON

# 3.RepeatScout

# 4. 可选软件，运行 LTR 结构搜索必须软件，也可以不安装

# LtrHarvest

# Ltr_retriever

# MAFFT

# CD-HIT

# Ninja

# 5.RepeatModeler 安装

# 三：重复序列的屏蔽

# 1. 构建数据库

# 2. 构建 library

# 3. 运行 RepeatMasker

# 参考链接

利用Github+Jekyll构建自己的博客