利用LTR_retriever整合LTR数据集

下载地址

一：安装

1. 可以conda安装或自己手动安装

$conda create -n LTR_retriever
$conda activate LTR_retriever
$conda install -y -c conda-forge perl perl-text-soundex
$conda install -y -c bioconda cd-hit repeatmasker
$git clone https://github.com/oushujun/LTR_retriever.git
$./LTR_retriever/LTR_retriever -h

2. 除此之外还需要安几个依赖的软件

1. makeblastdb, blastn, and blastx in the BLAST+ package (ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/)
2. cd-hit-est in the CDHIT package (http://weizhongli-lab.org/cd-hit/) OR blastclust in the BLAST package (ftp://ftp.ncbi.nlm.nih.gov/blast/executables/legacy/2.2.25/)
3. hmmsearch in the HMMER package (http://hmmer.org/; v3.1b2 or higher)
4. RepeatMasker (http://www.repeatmasker.org/)

其中安装RepeatMasker需要一个Dfam.hmm以及RepBase RepeatMasker Edition，可以在这下载：

RepBase RepeatMasker Edition： https://pan.baidu.com/s/1c2zSMKo
Dfam.hmm：                     https://www.dfam.org/releases/Dfam_3.1/families/Dfam.embl.gz

RepeatMasker比较常用的参数如下：

-e: 搜索引擎，默认都选择ncbi
-pa: 并行计算，多线程
-s, -q, -qq: 搜索速度，速度和敏感度成反比
-lib: 自定义重复数据库
-species: 指定物种，例如human, mouse, arabidopsis
-gff: 额外输出GFF文件

3. 开始安装

$perl ./configure

然后修改LTR_retriever的'paths'文件:

$vim /your_path_to/LTR_retriever/paths

修改：

BLAST+=/your_path_to/BLAST+2.2.30/bin/
RepeatMasker=/your_path_to/RepeatMasker4.0.0/
HMMER=/your_path_to/HMMER3.1b2/bin/
CDHIT=/your_path_to/CDHIT4.6.1/
BLAST=/your_path_to/BLAST2.2.26/bin/ #not required if CDHIT provided

BLAST+=/data1/spider/ytbiosoft/soft/ncbi-blast-2.8.1+/bin/
RepeatMasker=/data1/spider/ytbiosoft/soft/RepeatMasker-master
HMMER=/data1/spider/ytbiosoft/soft/hmmer/hmmer-3.2.1/src
CDHIT=/data1/spider/ytbiosoft/miniconda3/envs/python3/bin/cd-hit
BLAST=/data1/spider/ytbiosoft/miniconda3/envs/python3/bin/

二：数据输入

数据有如下两个：

• Genomic sequence
• LTR-RT candidates（可以接受多个LTR输入，包括 LTRharvest以及 LTR_FINDER等的输出结果：2个足以）
  两个软件的下载地址：

LTR_Finder:https://github.com/xzhub/LTR_Finder.git
LTRharvest:http://genometools.org/

1. LTRharvest

   
   
   LTRharvest

$gt suffixerator \ 
-db $REFERENCE \ 
-indexname $SPECIES \ 
-tis -suf -lcp -des -ssp -sds -dna
 
$gt ltrharvest \ 
-index $SPECIES \ 
-similar 90 -vic 10 -seed 20 -seqids yes \ 
-minlenltr 100 -maxlenltr 7000 -mintsd 4 -maxtsd 6 \ 
-motif TGCA -motifmis 1 > $SPECIES.harvest.scn &

2. LTR_Finder

$tar -zxvf  LTR_Finder.tar.gz
$cd source && make

$ltr-finder -D 15000 -d 1000 -L 7000 -l 100 -p 20 -C -M 0.9 $REFERENCE > $SPECIES.finder.scn &

三.运行程序（支持一个输入或者多个输入）

一个输入

$LTR_retriever -genome $REFERENCE -inharvest $SPECIES.harvest.scn

多个输入

$LTR_retriever -genome $REFERENCE -inharvest $SPECIES.harvest.scn -infinder $SPECIES.finder.scn -threads 20

输出为$REFERENCE.LTRlib.fa，重命名为LTR.lib，作为后续repeatmasker屏蔽重复时的输入文件。