我在2018年，写过一篇《如何对基因组序列进行注释》，简书上有4万多人阅读，CSDN上有8万多人阅读，说明确实有不少人有相关的需求。我自己也琢磨了一段时间，刚好过年回家，简单的梳理一下。
最初的时候，我的思路就是EvidenceModeler（后面简称EVM）的思路，训练不同从头预测软件，例如AUGUSTUS，组装RNA-seq数据，比对同源蛋白，最后交给EVM整合。这个思路挺好的，唯一的问题就是要要自己的动手的地方比较多，那个时候我自己写了一套流程做了串联，但是代码质量很差，所以我在找寻其他工具。
我找到一些替代工具，比如说MAKER, BRAKER, Mikado。这些工具各有不同，MAKER可以整合不同来源的证据， BRAKER会先利用已有同源蛋白或者RNA-seq训练AUGUSTUS模型然后预测结果，Mikado则是直接使用转录组作为唯一证据，最后我选择了MAKER。因为BRAKER，是一个perl串联的脚本，没有完善重跑工具，也就是失败了，就可能得从头开始。mikado只用转录本，那么就可能有一些基因会因为表达量低别遗漏，或者结构不完整。
使用MAKER也有问题，就是官方提供SNAP的训练流程，但是AUGUSTUS的模型训练方法则没有，这很让我头疼。一开始，我想的是找现有的解决方案，发现Transdecoder有一个工具，似乎可以直接把预测的ORF结果导出为AUGUSTUS的输入，但是AUGUSTUS的教程说并不需要那么多，大概1000左右就饱和了。由于我水平有限，一下子卡壳了，不得不去找其他的方案。于是我就想着能不能用BRAKER的输出的模型作为AUGUSTUS的输入呢？这当然没问题，就是我觉得不够优雅，于是我就去看BRAKER的源代码， 确定了他的关键几步。就自己用python实现了，得到自己的AUGUSTUS训练流程，简单的说就是，先用MAKER基于转录组或者同源蛋白数据直接得到基因的结构，然后基于MAKER提供的各个基因的AED值，筛选其中AED=0，并且蛋白相似性低于90%的基因的GFF文件。这样子AUGUSTUS就提供了脚本将gff转换成训练用的genbank，这样子就能用AUGUSTUS提供的脚本进行模型训练了。
为了让这些步骤更加的一致性，我基于snakemake开发了一个套流程wgap，缩写自whole genome annotation pipeline。为了能够其他一些rule可以被反复使用，从而实现AUGUSTUS和SNAP的迭代训练，我还废了不少心思。后面输出的基因结构，缺少UTR，所以我还加上了PASApipeline.然而这套方案还是被我给废弃了，因为MAKER的运行太不稳定了。
我发现MAKER的并行跟硬盘的关系很大，在一些硬盘上，可能半天跑完的程序，在我的NFS文件系统上，就需要2-3天，甚至都不一定结束。并且在后者上，经常有几十个maker进程傻愣愣在后台sleep，我还看了很久的源代码， 确定这些进程是啥，后来发现都是携带数据的任务。
我虽然用了snakemake 做流程的管理，但是最限速的步骤是maker，然而它就是在一些系统上跑不快，能怎么办？那么，我就想着，能不能自己实现一个MAKER。在我看完一些代码之后，发现，MAKER也没有我当初想的那么厉害吧，毕竟它基于已有hint优化AUGUSTUS和SNAP的能力，是这两个程序自己提供的，它更多是根据证据选择适当的模型。想通了这一点，我于是就开自己造轮子，走的是BRAER的路子，先用转录本回帖基因组，然后自己写了一套预测ORF的简单代码，得到ORF之后，筛选用于AUGUSTUS的模型的训练。最后用AUGUSTUS在非重复序列进行预测基因。
思路很合理，但是在我放弃使用PASApipeline为基因模型添加UTR，选择ingenannot时出了问题。因为ingenannot要求基因模型要跟对应的转录本的intron部分对应的上，才能为这个基因增加UTR，而AUGUSTUS预测的结果，虽然从基因水平上没问题，但是仔细看里面的intron还是存在一部分不全的，那怎么办呢？最简单的思路，就是使用PASAPipeline调整基因模型，但是，我觉得PASAPipeline太笨重了，一定要把基因结构存在SQL的数据表中，如果用mysql，那需要管理员才能安装，如果用SQLite，这玩意的读写又太慢了。
于是，我兜兜转转回到了老法子，EVM。当然，EVM相比于我最初使用的状态有很大的不同，那就是它的使用更加简单了，不再需要我们自己拆分任务，他可以自己搞定这些事情。这就比我最初用EVM好多了，而且调整后的模型也算是对了，能够用ingenannot添加UTR了。
当然，在我找轮子的过程中，我还看到了其他一些工具，比如说LoreAN，RECT，FINDER，但是都有一些我觉得不舒服的地方，也导致了最终我自己想着造轮子。希望我能造好一个轮子，或者至少写好一个教程吧。
