RepeatMasker网页版和命令行版使用说明(中文翻译版)

1/12RepeatMasker网页版和命令行版使用说明（中文翻译版）引用自Tarailo-GraovacM,ChenN.UsingRepeatMaskertoidentifyrepetitiveelementsingenomicsequences.CurrProtocBioinformatics.2009Mar;Chapter4:Unit4.10.doi:10.1002/0471250953.bi0410s25.RepeatMasker是一款广泛应用于基因鉴定、分类和maskrepetitiveelements,包括低复杂度序列和散布重复序列。RepeatMasker通过将数据库如：Repbase中已知的重复序列与输入的基因组序列比对来搜素重复序列。在此我们描述两个基础协议，它对如何运用RepeatMasker去分析基因组序列的重复元件提供细节上的指导，而不论是通过网络界面还是通过Unix/Linux命令系统。在RepeatMasker中的序列比较通常经过cross-match程序的序列比对来实现，对于较大序列这一过程需要大量处理时间。交替协议描述的是通过应用诸如WU-BLAST这样的选择性比对程序来怎样减少处理时间。而且RepeatMasker的优势、局限和已被发现的漏洞将在此进行讨论，最后提供理解其处理结果的指南。在新的RepeatMasker程序包中添加了鉴定蛋白质序列的重复原件的程序。要运行RepeatMasker，首先要选择重复库文件（repeatlibraryfiles）,这一文件包含重复元件共有序列。目前，RepbaseUpdate是最大的商业性（商购）重复库（freeforacademicuse）并且包含了相当数量的包括人、啮齿动物、斑马鱼、果蝇以及拟南芥在内的生物体。生物体的库文件中没有RepbaseUpdate时，库文件会用RECON（BaoandEddy,2002;)或RepeatScout()从头产生。最新版本的RECONv.1.06已经发布并且可以从中获得RepeatModeler程序包。RepeatMasker的序列比较常通过PhilGreen改进的cross-match()来实现，另外也可以为了快速程序来用WU-BLAST()来代替cross-match。一、通过网络界面运用RepeatMaskerRepeatMasker可通过来获得，它不像命令行版本的RepeatMasker，网络版RepeatMasker的核苷酸序列长度限制在100kb，不能分析长度超过100kb的序列（提示会在窗口中显示）。短于100kb的序列可以用网络版RepeatMasker来分析，其花费的时间与序列的长度相关。对于北美以外的快速服务有在德国、以色列和澳大利亚的RepeatMasker镜像网站。另外，如果常规分析大片段序列，最好是下载并本地运行命令行版本。重要的是，如果需分析的序列超过100kb，唯一的选择就是下载RepeatMasker并在本地运行。必需资源硬件：任意一台联网的计算机。软件：浏览器如IE或火狐浏览器文件：FASTA文件或能通过网络界面处理的收集的FASTA文件。1.点击网页浏览器，进入通2/12过序列名或浏览文件下载FASTA序列文件（最大100kb），或者粘贴FASTA序列（最大100kb）到指定的文本框。如果输入的序列包含非DNA符号或者序列太长，RepeatMasker会提示错误信息。2.从单选框下的“returnformat”来选择结果的格式：“html”或“tarfile”。如果选择“html”，那么结果会以一个超文本标记语言（html.）文件输出。如果选择“tarfile”，那么结果会打包为用Unix系统“tar”协议的文档。3.从“returnmethod”下两个单选按钮选择会送结果的方法，即：“html”或“email”。如果选择这一步和上述第2步都选择“html”，那么所有的结果会通过窗口显示，如果过这步选择“html”，而第2步却选择“tarfile”，那么结果会在窗口内提供链接。如果选择“email”，那么需要填写电子邮件地址，以确保结果可以通过电子邮件发送。这里以“html”为例。4.目前，可以选择点击提交序列的按钮来运行RepeatMasker，同时可选择其他选项来设置默认值。如果系统默认值不能满足需要，可继续第5到8步并按第9步提交序列。设置其他选项设置默认值后点击提交序列，结果会在窗口中展示，如图4.10.2,4.10.3,4.10.4和4.10.5.为理解结果的细节可以看参考。3/124/125/126/125.通过点击Speed/Senitivity下的四个单选按钮来调整速度：“rrush”，“quick”，“default”，或“slow”。注意速度和敏感度相关。比如选择“default”，为了便于理解结果可以看参考。6.在下拉菜单中选择“DNAsource”的次选项，每一项等同于不同的重复原件库。比如这里的例子，其默认值是人，选择人是因为其序列来自于人类的基因组。注意如果待测序列所来自的生物体在菜单中没有，那么就必须本地运行命令行版本的RepeatMasker了，而且需要选用来自Rebase中的合适的副本文件。如果Rebase中不含合适的副本文件，那么RECON(BaoandEddy,2002;Steinetal.,2003)或RepeatScout()会从头建立重复文件。7.在下拉菜单的一系列功能中，单选按钮和LineageAnnotationOptions下的检查框（checkboxes）来选择合适的选择项。这些选项不需要说明，比如选择ComparisonSpecies，与所选物种相关的世系特异性重复就会通过RepeatMasker输出。8.在高级选项（AdvanceOption）的下拉菜单中，选择合适的选项。这些选项同样简单明了。比如，如果想在MaskingOption的两个选项间选择，则要么选择模糊特性，诸如“N”或“X”此类的隐藏，要么选择小写字母，这更适合于序列比对。7/12这些细节解释和附加选项可通过右边的下拉菜单中获得。9.点击提交序列按钮运行RepeatMasker。二、在Unix/Linux下运行RepeatMaker命令行版本的RepeatMasker为使用者提供了更多的选择，并且没有最大100kb的长度限制。要本地运行RepeatMasker需要获得RepeatMasker、cross_match和来自RepbaseUpdate的相应的重复元件库，下文有详细描述。这也是对于RepeatMasker运行快速程序WU-BLAST所必须的（参见可选项目）。注意：对于不熟悉Unix的研究者请参见附录1C和附录1D。必须资源：硬件：任意链接网络的Unix或Linux计算机软件：RepeatMasker：现在软件为开源版本V.2.1，可从下载。Cross_match：软件为Phred/Phrap/Consed软件安装包的一部分，同时也是对学术研究者免费的（）。为PhilGreen所写（[e-mail]）包括以下信息：（a）姓名；（b）同意网站上描述的授权条件（描述Cross_match要求）；（c）研究机构或部门；（d）以后联系用得e-mail地址（e-mail的获得需通过Unix电脑运行通用mail程序，因为许多程序发送的是非编码文件，而这是与一些mail程序相冲突的）。需要注意的是获得许可需要花费大约两周的时间。RepbaseUpdate：这一数据库（）包含大量可选择的重复元件库，这些是运行RepeatMasker所需的。这些库对于学术研究者是免费下载的，对于需求者需要填写在线表格以说明要获得的数据库文件（）。而商业性质的使用者需要联系JolantaWalichiewicz（[e-mail]）。此外，如果要研究的基因组在RepbaseUpdate中没有合适的重复库时就需要利用RECON（BaoandEddy，2002）或RepeatScout（）来进行处理。Steinetal.(2003)使用RECON建立了线虫C.elegans和C.briggsae的重复库。RECON可以从RepeatMasker安装包中获得，有效的可用下载地址是：，另外RepeatMasker利用RepeatScout软件从新的基因组序列中标注重复家族的序列。文件：某一FASTA文件（附件1B）或者一批FASTA文件可以通过命令行版RepeatMasker处理，注意在这里没有文件大小的限制。例子中使用的是Caenorhabditiselegans的基因组全序列，有102,287,094bp长，下载自WormBase()FTP站点()。系统准备1、下载并安装RepeatMasker、TandemRepeatFinder（TRF）、cross_match、WU-BLAST和Repbase库文件。RepeatMasker为Perl文件，可以安装在任一所需根目录下。Cross_match会通过e-mail方式由作者发送给符合条件的申请者。RepbaseUpdate将给予使用者名字和密码以便下载重复数据库文件。在实例中，建立一个文件，将其命名为repeat并置于home根目录下，然后复制RepeatMasker、TRF和cross_match到这一目录下。实例8/12命令如下：$mkdirrepeat$cdrepeat2、更改程序许可。命令：$chmodu+xRepeatMasker$chmodu+xcrossmatch$ln-strf321.linux.exetrf3、通过配置脚本设置路径首先，找到Perl的安装路径：$whichperl默认为：/usr/bin/perl然后更改到repeat文件目录和RepeatMasker的目录，获得现在路径的命令是：usernameRepeatMasker$pwd默认路径是：/home/username/repeat/RepeatMasker接下来按照同样的方法获得TRF和cross_match的路径。用下列命令安装程序：$cdRepeatMasker$perl./configure输入所需