云生信学生物信息学

按物种整理证据与数据库并跑通注释样例

作者:发布于 2026-11-18更新于 2026-11-15约 5 分钟阅读
注释部署先分清物种

注释部署先分清物种:确认细菌组装与证据;部署兼容版本数据库;独立目录运行Bakta;抽查GFF与JSON及功能证据
本文操作与检查路径示意。

基因组注释先按物种与目标选择工具,再部署服务器。本文完整实例限定细菌分离株、细菌MAG或质粒的Bakta结构与功能注释;真核基因预测常要转录组、蛋白证据及相应流程,不能把细菌命令套到植物或动物组装。先对一份已质控的细菌组装跑通,再扩展样本。

确认组装和证据属于谁

准备来源可追溯的assembly.fna,核对污染、完整性、contig命名和实际序列。圆形、完整基因组或质粒属性须有证据,不能为了让注释更完整随意加–complete。物种信息尚不确定时保留空缺,先解决鉴定和污染问题,而不是伪造精确分类标签。

输入/设置 本项目填写 核对点
物种与样本 细菌/质粒____;样本____ 不是任意真核或混合群落序列
组装 来源____;版本____;校验____ 注释不能自动修复错组装
证据 可信蛋白/replicon信息____ 只有已验证来源才作额外输入
数据库 full/light____;版本____ light更粗的CDS功能信息不等价full
输出用途 探索/比较/提交____ 提交另核对locus tag与数据库要求

下载兼容数据库,核对实际路径

预先安装Bakta及其依赖。官方bakta_db工具可下载最新兼容库并处理相关设置;下面为先跑通选light,不把它宣称为正式项目的最全功能库。已有共享数据库不要原地更新,单独目录安装,确认实际下载出的db-light路径与版本。

set -euo pipefail
mkdir bakta-setup1
cd bakta-setup1
bakta --version > bakta.version.txt
bakta_db list > db-available.txt
bakta_db download --output db-download --type light \
  > db-download.log 2>&1
find db-download -maxdepth 2 -type d -print

接着把DB填为已验证的完整数据库目录,ASSEMBLY填为输入绝对路径。在新的运行目录执行,annotation不存在时再开始,不用–force覆盖旧结果。线程2仅为演示,需按获配CPU填写;数据库、临时盘与输出盘各自确认空间和权限。

set -euo pipefail
: "${DB:?填写兼容Bakta数据库完整目录}"
: "${ASSEMBLY:?填写可信细菌组装绝对路径}"
test -d "$DB"; test -s "$ASSEMBLY"
mkdir isolateA-bakta-run1
cd isolateA-bakta-run1
sha256sum "$ASSEMBLY" > input.sha256
bakta --db "$DB" --threads 2 --prefix isolateA \
  --output annotation "$ASSEMBLY" > stdout.log 2> stderr.log
test -s annotation/isolateA.gff3
test -s annotation/isolateA.tsv
python3 -m json.tool annotation/isolateA.json > checked.json

检查输出,而不是只检查退出码

阅读Bakta日志,确认数据库类型、版本及依赖均符合预期。检查GFF3、TSV、蛋白FASTA和JSON能读入,contig及坐标与输出序列对应;结合已知标记和预期基因抽查,不把hypothetical protein数量直接当作机器合格标准。预测功能是证据推断,重要基因需进一步核实。

提示库schema不兼容时选与软件兼容的新库,不修改版本文件强行绕过。AMRFinder数据库缺失时按官方步骤补齐或用内部下载器重新部署;不能静默关闭相关分析后宣称注释完整。数据库放网络盘导致I/O等待时,可在授权范围内复制固定版本到本地再比较,先核验文件一致。

验收物应包括输入校验、软件与数据库版本、完整命令、主要输出及未解决的问题。扩到多个样本时为每个样本保留独立前缀和目录,用同一已验证配置保证可比较;需要升级库时作为新批次另作说明。

若项目有可信蛋白证据,可按Bakta的–proteins入口单独加入,并保存来源与校验值;replicon元数据则用于有依据的类型、拓扑和命名。两类输入作用不同,不能把未经验证的数据库检索结果都标作可信证据。注释后与已知标记不符时,回查序列、数据库类型和证据,不先替换基因名来满足预期。

参考资料

需要额外算力时

适用前提:确定的注释工具栈需要兼容环境与持续资源。如需额外资源,可评估服务器租赁及按需环境部署。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗