RepeatMasker网页版和命令行版使用说明(中文翻译版).docx

RepeatMasker网页版和命令行版使用说明（中文翻译版）引用自Tarailo-Graovac M, Chen N. Using RepeatMasker to identify repetitive elements in genomic sequences. CurrProtoc Bioinformatics. 2009 Mar;Chapter 4:Unit 4.10.doi: 10.1002/0471250953.bi0410s25.RepeatMasker是一款广泛应用于基因鉴定、分类和mask repetitive elements,包括低复杂度序列和散布重复序列。RepeatMasker通过将数据库如：Repbase中已知的重复序列与输入的基因组序列比对来搜素重复序列。在此我们描述两个基础协议，它对如何运用RepeatMasker去分析基因组序列的重复元件提供细节上的指导，而不论是通过网络界面还是通过Unix/Linux命令系统。在RepeatMasker中的序列比较通常经过cross-match程序的序列比对来实现，对于较大序列这一过程需要大量处理时间。交替协议描述的是通过应用诸如WU-BLAST这样的选择性比对程序来怎样减少处理时间。而且RepeatMasker的优势、局限和已被发现的漏洞将在此进行讨论，最后提供理解其处理结果的指南。在新的RepeatMasker程序包中添加了鉴定蛋白质序列的重复原件的程序。要运行RepeatMasker，首先要选择重复库文件（repeat library files）,这一文件包含重复元件共有序列。目前，Repbase Update是最大的商业性（商购）重复库（free for academic use）并且包含了相当数量的包括人、啮齿动物、斑马鱼、果蝇以及拟南芥在内的生物体。生物体的库文件中没有Repbase Update时，库文件会用RECON（Bao and Eddy, 2002; /recon.html)或RepeatScout(/repeatscout/; Price et al., 2005)从头产生。最新版本的RECON v.1.06已经发布并且可以从/RepeatModeler.html.中获得RepeatModeler程序包。RepeatMasker的序列比较常通过Phil Green改进的cross-match(/consed/consed.html#howToGet)来实现，另外也可以为了快速程序来用WU-BLAST(/help/wublast.html; see Alternate Protocol)来代替cross-match。一、通过网络界面运用RepeatMaskerRepeatMasker可通过/cgibin/WEBRepeatMasker来获得，它不像命令行版本的RepeatMasker，网络版RepeatMasker的核苷酸序列长度限制在100kb，不能分析长度超过100kb的序列（提示会在窗口中显示）。短于100kb的序列可以用网络版RepeatMasker来分析，其花费的时间与序列的长度相关。对于北美以外的快速服务有在德国、以色列和澳大利亚的RepeatMasker镜像网站。另外，如果常规分析大片段序列，最好是下载并本地运行命令行版本。重要的是，如果需分析的序列超过100kb，唯一的选择就是下载RepeatMasker并在本地运行。必需资源 硬件：任意一台联网的计算机。软件：浏览器 如IE或火狐浏览器文件：FASTA文件或能通过网络界面处理的收集的FASTA文件。1.点击网页浏览器，进入/cgi-bin/WEBRepeatMasker.通过序列名或浏览文件下载FASTA序列文件（最大100kb），或者粘贴FASTA序列（最大100kb）到指定的文本框。 如果输入的序列包含非DNA符号或者序列太长，RepeatMasker会提示错误信息。2. 从单选框下的“return format”来选择结果的格式：“html”或“tar file”。 如果选择“html”，那么结果会以一个超文本标记语言（html.）文件输出。如果选择“tar file”，那么结果会打包为用Unix系统“tar”协议的文档。3. 从“return method”下两个单选按钮选择会送结果的方法，即：“html”或“email”。如果选择这一步和上述第2步都选择“html”，那么所有的结果会通过窗口显示，如果过这步选择“html”，而第2步却选择“tar file”，那么结果会在窗口内提供链接。如果选择“email”，那么需要填写电子邮件地址，以确保结果可以通过电子邮件发送。这里以“html”为例。4.目前，可以选择点击提交序列的按钮来运行Re