使用Infernal对Rfam 12进行RNA注释

使用Infernal对Rfam 12进行RNA注释

by 斑斑

转载请注明出处，欢迎来QQ群178750864交流有关生物信息学的相关内容

 

Rfam库可以用于对RNA-Seq或宏基因组数据进行RNA类型的注释，在Rfam 11及其之前的版本，对未知序列的比对是基于rfam_scan.pl和Infernal 1.0.x来实现的，并且需要blast程序的辅助。Rfam_scan.pl先调用blast进行相似性比对缩小范围，然后再用Infernal进行cm的计算和比较，找出统计显著的结果。在Rfam 11中对同源相似性大于90%的序列进行了去冗余，并准备了一个Rfam.fasta.gz用于建库分析，到了Rfam 12后，这个文件不再提供了，如果你用fasta_file下的序列建库并使用12的Rfam.cm会发现rfam_scan.pl报错。原因很简单：Rfam 12这个版本升级更新后，Rfam_scan.pl已经不在使用，其功能由Infernal 1.1.x中的cmscan来替代，不同的是cmscam不再采用blast程序预处理的方法，而是使用HMM方法进行过滤。

       简而言之：

Rfam 11之前进行注释用rfam_scan.pl并需要blast程序和infernal 1.0.x之前的版本。Rfam 12之后只需要用Infernal 1.1.x就可以了，不要使用rfam_scan来进行处理。

 

Infernal 1.1后多出了几个程序，现在对Infernal中的程序做个说明：

Cmalign    该程序是将RNA序列同协方差模型进行比对。并输出为Stockholm格式。

Cmbuild     该程序是通过多序列比对结果建立一个协方差模型，并保存在新文件中。

Cmcalibrate  该程序是对协方差模型（CM）进行校准，在使用cmsearch和cmscan前CM模型需要先经过该程序的处理。

Cmconvert   用于格式转换，是将infernal 1.0以后的CM转化为当前版本需要的CM。但对1.0之前的版本无效。

Cmemit      一个采样程序，从CM中进行采样并输出。

Cmfetch     从一个大的CM文件中获取一个或多个CM。

Cmpress     对CM文件进行压缩并建立索引，在使用cmscan之前要先用该程序对CM文件进行处理。

Cmscan     用提交的序列在CM数据库中进行检索。

Cmsearch   用提交的CM模型在序列数据库中进行检索。

Cmstat     对CM文件中的CM模型进行统计汇总。

 

问：要把大象关冰箱里需要几步？（要将序列进行Rfam 12的注释总共需要需要几步？）

答：三步！

第一步：打开冰箱门。（下载或创建一个CM数据文件。）

如果对Rfam 12全库检索，直接去EBI下载ftp://ftp.ebi.ac.uk/pub/databases/Rfam/12.1/Rfam.cm.gz。

注：如果要用自己的数据集进行建库，需要先用cmbuild对每个多序列比对进行建模，然后把这些CM串在一个文件中。再用cmcalibrate对CM进行校对。

 

第二步：把大象放进去。（使用cmpress压缩并建立索引）

这步很简单：

 

$cmpress your_database.cm

 

这步完成后会像blast建库一样，产生一些二进制文件，用于下面的检索。

 

第三步：把冰箱门关上！（使用建好的库进行序列检索。）

 

$ cmscan your_database.cm your_query_sequences.fa > search_results.out

 

       结果默认输出在标准输出中，用重定向符号导在一个文件里就可以了。

 

       结果的格式就不详细解释了，有兴趣的去翻翻原文档吧。