FrameBot 软件安装测试

背景：

          FrameBot 用于纠正DNA序列中的插入和缺失，然后正确的翻译成蛋白质序列，frameBot 工具集成在RDPTools 中

 

源代码：

          https://github.com/rdpstaff/Framebot

 

 

安装：

          wget wget https://github.com/rdpstaff/RDPTools/archive/2.0.2.tar.gz     

         

 

测试：

　　　　

    java -jar /home/panrf/Softwares/RDPTools/FrameBot.jar framebot

          -o ./test 

           -l 1 

           -i 0.8

          -N fungene_9.0_nifH_1989_unaligned_protein_seqs.4Analysis.fasta

          input.fasta

 

备注:  -o 指定输出结果的前缀，-l 指定氨基酸过滤的长度，i 指定比对的相似度，-N 指定功能基因对应的数据库， input.fasta 为输出的DNA序列

 

输出结果：

          输出5个文件：

          test_corr_nucl.fasta      :   翻译成功的DNA序列

          test_corr_prot.fasta     ： 翻译成功的蛋白质序列

          BL18_failed_nucl.fasta ： 翻译失败的DNA序列

          

 

          test_framebot.txt            ： 翻译成功的DNA序列的比对情况 

          test_failed_framebot.txt  ： 翻译失败的DNA序列的比对情况

          

 

test_framebot.txt ： 内容如下：

>    Target    Query    NuclLen    AlignLen    %Identity    Score    Frameshifts    Reversed

STATS    38256851    7001453_297_HC7NJBCXY_1_1114_2435_5316;barcodelabel=BL18;size=5;    318    106    99.057    530    0    false

Target   33 TRLILHAKAQDTILSLAAEAGSVEDLEIEDVMKIGFRDIRCVESGGPEPGVGCAGRGVIT    92

            ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||

Query     1 TRLILHAKAQDTILSLAAEAGSVEDLEIEDVMKIGFRDIRCVESGGPEPGVGCAGRGVIT    60

Frame       111111111111111111111111111111111111111111111111111111111111

            ACCACCGAGCGAACTCGGGGGTGGGCGAGGGAAAGTCGACTGGTGGCGCGGGTGGCGGAA

            CGTTTACACAACTTCTCCACGCTAATATAATTATGTGATGGTACGGCACGTGGCGGGTTC

            GGGCGCCGCGCCCGGGCCACCGGGCGGCGCCGGCCCCCCCCGGCTCGGGCGCCCCTCGCG

 

Target   93 SINFLEENGAYDGVDYVSYDVLGDVVCGGFAMPIRENKAQEIYIVM   138

            ||||||||||| ||||||||||||||||||||||||||||||||||

Query    61 SINFLEENGAYEGVDYVSYDVLGDVVCGGFAMPIRENKAQEIYIVM   106

Frame       1111111111111111111111111111111111111111111111

            TAATCGGAGGTGGGGTGTTGGCGGGGTGGTGACACGAAGCGATAGA

            CTATTAAAGCAAGTAATCAATTGATTGGGTCTCTGAAACAATATTT

            GCCCGAACCCTACGCCCCCCGGCCGGCCCTCGCCCGCGCGGCCCCG

 

表头注释：

Target :       数据库中的序列           38256851

Query :       查询序列                     7001453_297_HC7NJBCXY_1_1114_2435_5316;barcodelabel=BL18;size=5;

NuclLen :    核酸序列长度              318

AlignLen  :   比对上的序列长度       106

%Identity :   比对的相似度             99.057

Score      :    比对的打分                530

Frameshifts : 移码                         0

Reversed :   是否相反                    false, 输入序列的氨基酸和数据库中的氨基酸序列是否反向互补

利用FrameBot 翻译氨基酸序列时， 首先将输入的核酸序列翻译成氨基酸，然后去和数据库中的氨基酸进行blast比对，如果该氨基酸长度大于预先设置的的长度阈值，而且比对的相似度大于预先设置的相似度的阈值，则输入序列成功翻译；

不同物种某个特定功能基因的氨基酸序列还是有很大差异的，如果一条核酸序列对应的氨基酸符合长度过滤的条件，但是由于和数据库中的氨基酸序列差异都较大，导致比对的相似度很低，也是翻译不成功；

从这个过程可以看到，数据库质量的好坏决定了输入序列能否翻译成功，对于功能基因而言，我们通常从FunGene 数据库下载对应的数据。