新手上路，终于跑通了：利用edta注释基因组的重复序列（以拟南芥为例）
还记得小果之前分享了在Ubuntu系统中安装miniconda及edta吗，现在终于可以开始注释了，小果深刻阐释了想吃猪肉从养猪开始这一行为！
当天真的小果以为装好软件对代码复制粘贴（不是）就可以轻松注释时，悲剧就诞生了！因为作为一只菜果，她还不明白erro！erro！error！是能把人逼疯的。
废话不多说，我们还是进入正题吧！上期说要用到小鼠基因组，但是要练习的话还是选择基因组比较小的物种更快，所以小果换成了拟南芥。
1. 下载基因组数据并解压缩Arabidopsis thaliana genome assembly TAIR10.1 – NCBI – NLM (nih.gov)
在ncbi提供了3种方式，download可以直接下载到本地，datasets则要下载ncbi datasets进行安装，curl则需要已安装curl，比如说用curl安装则直接复制命令到终端就可以了。
在过程中需要用到genometools，我们用miniconda安装即可，不指定安装目录会默认安装到conda环境下的pkgs目录下。
conda install -c bioconda genometools-genometools
查看安装情况
conda list genometools
4. 开始注释！
conda activate EDTA
nohup perl ~/EDTA/EDTA.pl \
–genome ~/my_folder/GCF_000001735.4/GCF_000001735.4_TAIR10.1_genomic.fna \
–species others \
–step all \
–overwrite 1 \
–cds ~/my_folder/GCF_000001735.4/cds_from_genomic.fna \
–sensitive 1 \
–anno 1 \
–evaluate 1 \
–force 1 \
–u 1.3e-8 \
–threads 4 \
–debug 0 \
>output.log &
为了更好理解，小果将代码的含义放在下面：
记得先激活EDTA环境哦！
nohup: 忽略SIGHUP信号，即使当前终端关闭也能继续运行。
–genome：指定待分析的基因组序列文件路径
–species：指定待分析基因组的物种信息，这里指定为“others”
–step：指定分析步骤，这里指定为“all”表示执行完整的分析流程
–overwrite：如果输出文件已经存在，是否覆盖，这里指定为“1”表示覆盖
–cds：指定包含CDS序列的文件路径，这个文件通常由基因组注释文件提供
–sensitive：是否使用较为敏感的TE识别算法，这里指定为“1”表示使用
–anno：是否使用已有的基因组注释信息进行分析，这里指定为“1”表示使用
–evaluate：是否对分析结果进行评估，这里指定为“1”表示使用
–force：是否强制执行，这里指定为“1”表示强制执行
–u：指定TE库中的最小不同种同族重复元件数量，这里指定为“1.3e-8”
–threads：指定使用的线程数量，这里指定为“4”
–debug：是否输出调试信息，这里指定为“0”表示不输出
edta.log：将标准输出重定向到名为“edta.log”的文件中
&：将进程放到后台运行。
接下来可以通过查看输出日志来查看进度
cat output.log
可以看到小果的进度目前是没有erro的~
小果在这一过程中犯了一些错误，给大家借鉴：
1.忘记激活EDTA 环境导致报错
2.没有安装genometools
3.路径错误
当然了，每个人遇到的问题可能不一样，在过程中可以根据自己的报错来解决问题。
欢迎使用：云生信 – 学生物信息学 (biocloudservice.com)
如果想用服务器可以联系微信：18502195490（处理大量数据的时候不用服务器用什么！快来联系我们使用吧！）