文章僅是記錄自己的學(xué)習(xí)使用逢净，有錯(cuò)誤請(qǐng)指出，我立刻改正！
官方說明：
https://github.com/eggnogdb/eggnog-mapper/wiki/eggNOG-mapper-v2.1.5-to-v2.1.8#v218
更多說明：
http://www.chenlianfu.com/?p=2804
https://developer.aliyun.com/article/675869
http://www.reibang.com/p/0eb67d83b603
https://cloud.tencent.com/developer/article/1688675
數(shù)據(jù)庫說明：
http://www.reibang.com/p/e5f617b7c9e1
https://www.cnblogs.com/jessepeng/p/12753721.html
一馍悟、EggNOG數(shù)據(jù)庫簡(jiǎn)介
- EggNOG數(shù)據(jù)庫全稱是：直系同源蛋白分組比對(duì)（evolutionary genealogy of genes: Non-supervised Orthologous Groups）數(shù)據(jù)庫，由EMBL創(chuàng)建維護(hù)剩晴，是對(duì)NCBI的COG數(shù)據(jù)庫進(jìn)行拓展锣咒，提供不同分類水平蛋白的直系同源分組（Orthologous Groups，OG）赞弥，包括真核毅整、原核及病毒的數(shù)據(jù)信息。它擴(kuò)展了COG數(shù)據(jù)庫的分類方法嗤攻，采用無監(jiān)督聚類算法在全基因組范圍內(nèi)推導(dǎo)基因功能毛嫉，更適用于譜系特征基因的分析诽俯。
- 最新的數(shù)據(jù)庫為EggNOG5.0
- eggNOG 5.0的完整下載數(shù)據(jù)地址：http://eggnog5.embl.de/download/eggnog_5.0/
（一）主頁面介紹
- fig1.主頁面介紹.png
1妇菱、e5.proteomes.faa為所有的蛋白組序列
2、e5.viruses.faa為所有的病毒蛋白序列
3暴区、e5.taxid_info.tsv為Taxid對(duì)應(yīng)的物種名稱以及完整的譜系信息
4闯团、e5.og_annotations.tsv為所有的NOG信息(第一列為Taxid，第二列為NOG groups仙粱，第三列為COG歸屬房交，第四列為Function)
（二）物種注釋信息
1、TaxID版本
http://eggnog5.embl.de/download/eggnog_5.0/per_tax_level/
- fig2.species anno TaxID.png
2伐割、物種名版本
http://eggnog5.embl.de/#/app/downloads
- fig3.species anno name.png
（三）emapperdb-5.0.2數(shù)據(jù)庫
網(wǎng)頁位置 http://eggnog5.embl.de/download/emapperdb-5.0.2/
- 當(dāng)download_eggnog_data.py無法下載時(shí)可以選擇網(wǎng)頁下載
- fig4.emapperdb-5.0.2.png
二候味、NOG刃唤、KOG和COG數(shù)據(jù)庫
- NOG、KOG白群、COG尚胞，三者都是同源分類數(shù)據(jù)庫，即都是OG（Orthologous Groups）帜慢。
1笼裳、COG：Clusters of Orthologous Groups of proteins，即同源蛋白簇粱玲，是NCBI的一個(gè)數(shù)據(jù)庫躬柬。根據(jù)生物完整基因組的編碼蛋白系統(tǒng)進(jìn)化關(guān)系分類構(gòu)建而成，每一簇COG由直系同源序列構(gòu)成抽减，從而可以推測(cè)該序列的功能允青，按功能共可以分為二十六類。
2卵沉、KOG：EuKaryotic Orthologous Groups昧廷。廣義上COG分為真核和原核生物兩類，原核的一般稱為COG數(shù)據(jù)庫偎箫，真核的一般稱為KOG數(shù)據(jù)庫木柬。
3、NOG：Non-supervised Orthologous Groups淹办，注意是非監(jiān)督眉枕，因COG未及時(shí)更新，EMBL EggNOG對(duì)COG進(jìn)行了完善怜森，極大拓展了基因組信息速挑，主要是基于HMM分析提供更細(xì)致的OG分析。
三副硅、EggNOG-mapper的使用
##安裝eggnog-mapper##
conda create -n eggnog
source activate eggnog
conda install -c bioconda eggnog-mapper
##下載數(shù)據(jù)庫##
download_eggnog_data.py --data_dir ./eggnog5.0.0
#不添加--data_dir選項(xiàng)姥宝，會(huì)將文件下載到eggnog-mapper 目錄中的data目錄
#在最新版本中，因?yàn)橹皇褂昧?Diamond 恐疲，只有一個(gè)數(shù)據(jù)庫腊满。因此，參數(shù)euk培己，bact碳蛋，arch，viruses數(shù)據(jù)庫都無法被識(shí)別無法識(shí)別省咨，因?yàn)闆]有被使用肃弟。
#下載的數(shù)據(jù)中應(yīng)包括eggnog.db.gz（功能注釋數(shù)據(jù)庫，用于根據(jù)比對(duì)結(jié)果進(jìn)行功能注釋）、eggnog_proteins.dmnd.gz（所有蛋白序列的DIMOND數(shù)據(jù)庫笤受，用于DIMOND快速序列比對(duì)）穷缤、eggnog.taxa.tar.gz
#-P：下載 PFAM 數(shù)據(jù)庫所必需的。
#-M：下載 MMseqs2 數(shù)據(jù)庫所必需的箩兽。整個(gè) MMseqs2 數(shù)據(jù)庫包括不屬于任何 eggNOG Orthologous Group (OG) 的 eggNOG 蛋白質(zhì)绅项，而 Diamond 數(shù)據(jù)庫僅包括屬于 OG 的蛋白質(zhì)。
##使用create_dbs.py僅創(chuàng)建細(xì)菌子數(shù)據(jù)庫##
create_dbs.py -m diamond --dbname bacteria --taxa Bacteria
##wget下載##
wget http://eggnog5.embl.de/download/emapperdb-5.0.2/eggnog_proteins.dmnd.gz
wget http://eggnog5.embl.de/download/emapperdb-5.0.2/eggnog.db.gz
#用腳本下不了比肄，太卡了快耿，直接網(wǎng)頁下載
##進(jìn)行比對(duì)注釋##
python ~/eggnog/bin/emapper.py \
-m diamond -i virus.fasta --itype CDS --translate --cpu 20 \
--data_dir /eggnog5.0.0/ \
--dmnd_db /eggnog5.0.0/eggnog_proteins.dmnd \
--output_dir /outdir -o virus
#比對(duì)注釋
#-o：設(shè)置輸出文件前綴
#--output_dir：設(shè)置輸出文件夾
#-m：設(shè)置比對(duì)算法，（默認(rèn)值：diamond）{diamond,mmseqs,hmmer,no_search,cache}
#-i：輸入查詢序列（蛋白質(zhì)）的FASTA文件
#--itype：輸入（-i）文件中的數(shù)據(jù)類型芳绩。（默認(rèn)值：proteins）{CDS,proteins,genome,metagenome}
#--translate：當(dāng)--itype輸入CDS掀亥，在搜索之前將CDS翻譯成蛋白質(zhì)。當(dāng)--itype genome/metagenome和--genepred搜索時(shí)妥色，將blastx命中的預(yù)測(cè)CDS翻譯成蛋白質(zhì)搪花。（默認(rèn)值：False）
#--data_dir：eggnog mapper數(shù)據(jù)庫的路徑。默認(rèn)情況下嘹害，“data/”
#--dmnd_db：當(dāng)使用DIAMOND算法時(shí)撮竿，設(shè)置DIAMOND數(shù)據(jù)庫路徑
#--sensmode：Diamond的靈敏度模式。emapper的默認(rèn)值是sensitive與diamond的默認(rèn)值不同笔呀。 {default,fast,mid-sensitive,sensitive,more-sensitive,very-sensitive,ultra-sensitive}
#--no_annot：Skip functional annotation, reporting only hits.(default: False)
- 更具體的參數(shù)可查看emapper.py -h或http://www.chenlianfu.com/?p=2804
四幢踏、結(jié)果解讀：
eggnog-mapper會(huì)生成三個(gè)文件：
- .hits: 記錄每個(gè)用于query序列對(duì)應(yīng)的所有的顯著性的eggNOG Orthologous Groups(OG). 所有標(biāo)記為"-"則表明該序列未找到可能的OG
- .seed_orthologs: 記錄每個(gè)用于搜索序列對(duì)的的最佳的OG，也就是.hits里選擇得分最高的結(jié)果许师。之后會(huì)從eggNOG中提取更精細(xì)的直系同源關(guān)系(orthology relationships)
- .annotations: 該文件提供了最終的注釋結(jié)果房蝉。大部分需要的內(nèi)容都可以通過寫腳本從從提取，一共有13列
.annotations每一列對(duì)應(yīng)的記錄如下：
1微渠、query_name: 檢索的基因名或者其他ID
2搭幻、sedd_eggNOG_ortholog: eggNOG中最佳的蛋白匹配
3、seed_orholog_evalue: 最佳匹配的e-value
4逞盆、seed_ortolog_evalu: 最佳匹配的bit-score
5檀蹋、predicted_gene_name: 預(yù)測(cè)的基因名，特別指的是類似AP2有一定含義的基因名云芦，而不是AT2G17950這類編號(hào)
6俯逾、GO_term: 推測(cè)的GO的詞條， 未必最新
7焕数、KEGG_KO: 推測(cè)的KEGG KO詞條纱昧， 未必最新
8、BiGG_Reactions: BiGG代謝反應(yīng)的預(yù)測(cè)結(jié)果
9堡赔、Annotation_tax_scope: 對(duì)該序列在分類范圍的注釋
10、Matching_OGs: 匹配的eggNOG Orthologous Groups
11设联、best_OG|evalue|score: 最佳匹配的OG(HMM模式才有)
12善已、COG functional categories: 從最佳匹配的OG中推測(cè)出的COG功能分類
13灼捂、eggNOG_HMM_model_annotation: 從最佳匹配的OG中推測(cè)出eggNOG功能描述
