之前一直用prokka來注釋細(xì)菌測序完成后得到的基因序列，一方面是后續(xù)分析所用格式大部分都是需要prokka輸出的gff，另一方面也是自己先入為主認(rèn)為prokka就是注釋的唯一選擇（protocol有時候真的會束縛自己）。

直到自己用基因作圖時，發(fā)現(xiàn)目的基因上游的注釋為好多假定蛋白，而與NCBI數(shù)據(jù)庫中基因進(jìn)行比對時發(fā)現(xiàn)，其實那是已知功能的基因時，我才意識到，prokka真的是有局限性的，盡管軟件作者在不停地更新完善其數(shù)據(jù)庫（也可能是我自己不會用 -。-）。

prokka注釋的部分結(jié)果：

     gene            complement(27474..27869)
     CDS             complement(27474..27869)
                     /locus_tag=""
                     /inference="ab initio prediction:Prodigal:002006"
                     /codon_start=1
                     /transl_table=11
                     /product="hypothetical protein"
     gene            complement(27921..28292)
     CDS             complement(27921..28292)
                     /locus_tag=""
                     /inference="ab initio prediction:Prodigal:002006"
                     /codon_start=1
                     /transl_table=11
                     /product="hypothetical protein"

dfast該部分的注釋結(jié)果：

     CDS             27384..28397
                     /product="integrase/recombinase"
                     /inference="COORDINATES:ab initio
                     prediction:MetaGeneAnnotator"
                     /inference="similar to AA sequence:UniProtKB:P62592"
                     /transl_table=11
                     /codon_start=1  
                     /gene="int"
                     /note="P62592 integrase/recombinase (Salmonella enterica
                     subsp. enterica serovar Typhi str. CT18)

dfast能夠注釋出來是整合子的int基因，而prokka給出的則是假定蛋白。也許可以給prokka指定蛋白序列來做到類似的結(jié)果，可是我只喜歡默認(rèn)的來-。-

dfast安裝直接用conda即可：

conda install -c bioconda dfast

最簡單的使用方法，直接給它指定你要注釋的基因文件即可：

dfast --genome 你的fasta文件路徑/*.fasta --out 輸出文件夾/

DFAST本是用于原核基因組注釋以及向INSDC提交數(shù)據(jù)的軟件，所以要完整注釋一個基因組需要補充菌株名稱之類的信息。

dfast --genome 你的基因組.fasta --organism "Escherichia coli" --strain "str. xxx" --locus_tag_prefix ***  --out 輸出文件夾/

具體可以按-h查看所有設(shè)置參數(shù)。

參考
dfast原目錄：https://github.com/nigyta/dfast_core