Buttonwood
commented
10 years ago For bacterium: http://www.dxy.cn/bbs/thread/23979761#23979761
细菌的基因组大概5M。是用454测序的。用454自带的GS De Novo Assembler组装。得到50~200个contigs/genome。还没有fill gap。所以打算先直接用contigs去做annotation。
参考了JGI的做法 http://img.jgi.doe.gov/w/doc/img_er_ann.pdf
http://genomebiology.jgi-psf.org/Content/MGM_FEBR09_PPTS/16.%20Ivanova%20-%20Gene%20finding.ppt
计划挑选一个ab initio的软件GeneMark，一个evidence-based的软件EasyGene，和一个综合软件GenDB/REGANOR GeneMark: http://exon.gatech.edu/GeneMark/ 根据JGI的测试，GeneMark的fauls positive 和 missed genes相对都比较少，但是它倾向于生成短基因。
EasyGene: http://www.cbs.dtu.dk/services/EasyGene/ EasyGene用Blastx来决定evidence-based training sets，HMM architectures比其它的软件要更全面一些。
GenDB/REGANOR: http://sourceforge.net/projects/gendb/ GenDB/REGANOR综合了多个免费的软件(CRITICA + Glimmer + pre-processing)，还包括了各种RNAs的prediction。
因为同一个种的细菌在NCBI上有完整的基因组序列。所以我选择了用GeneMark-P* and GeneMark.hmm-P 组合。但是好像没有直接的下载版本。所以就直接用了在线版做。只要把序列文件提交上去就可以了。速度很快，几分钟就好了。不过问题是output文件很大，包括了预测到的所有序列的fastA file, 却全部一起直接显示在网页上，所以IE很容易就死掉。好一点的机器就没问题。但是最后还要手工把结果保存下来很麻烦。
EasyGene可是下载到本地计算机，不过要发信去要。图快，我还是用了web-based。坏处就是每一次的contigs不能超过50条。所以每个基因组还得拆成几个文件分别做。不过都可以所有文件同时做，所以也不用很长时间，每一个十几二十分钟就好了。EasyGene并没有给出序列的fastA file。只是列出了每一个contigs从哪里到哪里是CDS。另外，EasyGene不能预测到RNA。
_CRISPRFinder_ http://crispr.u-psud.fr/Server/
基因岛综述：
Here is also a short introduction for gene finding！
http://www.cs.us.es/~fran/students/julian/gene_finding/gene_finding.html