====== 原核统一流程参考基因组准备 ======
===== 参考基因组准备路径  =====

<code>
南京集群：/NJPROJ3/GB/GB_TR/reference_data/newpip/Bacteria   
天津集群：/TJPROJ6/GB_TR/reference_data/Bacteria
</code>

===== 配置run.sh =====
<code>

python /NJPROJ2/GB/PUBLIC/source/GB_TR/yuanhe/gb_trans_manual/genome/prepare.py   \
    --annot /NJPROJ1/RNA/database/genome/Bacteria/Escherichia_coli_str_K-12_W3110/temp/GCF_000010245.2_ASM1024v1_genomic.gff  \ 
    --fasta  /NJPROJ1/RNA/database/genome/Bacteria/Escherichia_coli_str_K-12_W3110/temp/GCF_000010245.2_ASM1024v1_genomic.fna  \
    --latin_name Escherichia_coli  \
    --outdir /NJPROJ3/RNA/personal_dir/yangwanyun/test/X101SC19102139-Z01-J001-B1-16_xijun_yuanhe_20191119/genome/Escherichia_coli_str_K-12_W3110  \
    --abbr ecj \
    --genename  yes 

天津集群脚本路径：/TJPROJ2/GB/PUBLIC/source/GB_TR/mRNA/gb_trans_prok/manual_gb_prok/genome/prepare.py

</code>
==== 参数说明 ====
<code>

--annot参数：以后缀名称进行识别，可接受.gtf，.gff, .gbk格式文件。与有参不同，原核的gtf中只有exon，脚本在处理gff时，是将gff中第三列为gene的进行提取。

--faa参数：可以写也可以不写，如果是NCBI来源的基因组最好写。

--genename：可填写参数有yes,no,或删除该参数；
  yes:gff中有基因名字和product信息的，会自动从gff中提取genename和gene discription信息；
  no:本身有genenamefile文件，不需要准备；
  不填写该参数：gff中没有discription，会自动通过blast swissprot注释得到gene discription和genename；
--gbk_gtf: 可以下载gbk 转换成gtf文件进行配置，脚本如下
  /TJPROJ6/RNA_T/source/prokaryotes/pipline/genome/gbk_to_gtf.py 
  注意该脚本需要根据gbk里面的情况修改，修改识别为exon，gene 或cds，并且修改虚构数据来源Refseq为特殊来源，如kehu.防止数据有泄露嫌疑。

</code>

===== genome 运行 =====

<code>
运行完run.sh后：
cd log

sjm sjm.job

基因组准备流程中包含genome check脚本：check_genome.sh,会对生成的go.txt,kegg.txt,gene.xls,ptt文件进行check,若文件存在问题，会在主目录下生成相应文件。
例如：

</code>
{{:products_tr:自动化流程分析组:国内和海外原核统一版手动流程:屏幕快照_2022-07-21_上午11.53.20.png?400|}}

===== 注意事项 =====

<code>

1.基因组命名规则：拉丁名_版本，不允许只是拉丁名_NCBI字样，没有NCBI版本；
2.特殊基因组，客户需要保密或者是特殊处理的基因组准备路径：/NJPROJ3/GB/GB_TR/reference_data/newpip/Special_genome
3.基因组路径下需要填写wget；
4.KEGG文件最终结果是4列，有时候容易出现生成不了4列的情况，可本地执行该步骤；
5.go文件也容易跑不出来，log中有拆分后的脚本，直接运行sh gene_go_split.sh;
6.ptt文件容易出现的问题：原核的gtf文件，通常出现最后一个基因的end位置超过了fa的染色体长度，该情况需要手动将end位置进行更改。
7.fa文件染色体编号中不能含有|。

</code>

===== 手动执行添加configure =====

<code>
准备好基因组之后，在项目执行之前，需要将该基因组添加到configure文件：
/NJPROJ2/GB/PUBLIC/source/GB_TR/yuanhe/gb_trans_manual/config/configure.txt
/TJPROJ2/GB/PUBLIC/source/GB_TR/mRNA/gb_trans_prok/manual_gb_prok/config/configure.txt

添加方法，例：
参考基因组路径：/NJPROJ3/GB/GB_TR/reference_data/newpip/Bacteria/Sphingomonas_melonis_GCF_001761345.1

configure文件中：
Sphingomonas_melonis_GCF_001761345.1=/NJPROJ3/GB/GB_TR/reference_data/newpip/Bacteria/Sphingomonas_melonis_GCF_001761345.1

Sphingomonas_melonis_GCF_001761345.1对应项目执行时project.txt中的genome_version.

</code>