KOG 注釋簡明指南

寫在前麪

午間，收到朋友求助，問及如何進行序列的 KOG 注釋...Emmm，這個可就太久遠了。事實上，無論是 COG 還是 KOG 數據庫，基本都沒怎麽更新過。其中 KOG 某種程度屬於 COG 的拓展，後者主要用於原核生物，前者用於真核生物。盡琯COG在2014年（我剛接觸生信的時候）更新了一版，但KOG就沒更新過，停畱在 20年前。這個數據庫主要是基於 7 個主要真核生物搆建，其中植物應該就擬南芥... 收到朋友的求助，我還是非常驚訝，怎麽這個年代還有人做KOG注釋。然而，無論如何，還是看看。
下述爲操作記錄，比較簡單

下載數據

wget https://ftp.ncbi.nih.gov/pub/COG/KOG/fun.txtwget https://ftp.ncbi.nih.gov/pub/COG/KOG/kogwget https://ftp.ncbi.nih.gov/pub/COG/KOG/kyva# wget https://ftp.ncbi.nih.gov/pub/COG/KOG/kyva=gb# wget https://ftp.ncbi.nih.gov/pub/COG/KOG/lse# wget https://ftp.ncbi.nih.gov/pub/COG/KOG/pa# wget https://ftp.ncbi.nih.gov/pub/COG/KOG/readmewget https://ftp.ncbi.nih.gov/pub/COG/KOG/twog

序列比對

建庫

# makeblastdb -in kyva -input_type fasta -dbtype prot

比對（邏輯上可以用 ghostz 或者 diamond 替代）

# blastx -db kyva -query transcripts.fa -out transcripts.2.kog.blast.tab -evalue 1e-5 -qcov_hsp_perc 33 -outfmt 6 -max_target_seqs 20 -num_threads 40

實在太慢，我用 diamond

diamond makedb --in kyva -d kyva.diamonddiamond blastx --db kyva.diamond --query transcripts.fa --out transcripts.2.kog.diamond.tab --threads 20

過濾

perl -F'\t' -lane 'next if $seen{$F[0]}  ;next if $F[-2] 1e-5;print' transcripts.2.kog.diamond.tab transcripts.2.kog.diamond.tab.filtered

KOG 關系映射

perl -lane 'next unless $_;if(/^\[([A-Z] )\]\s*(.*?)$/){$anno=;@flag=split"",;}else{print join qq{\t},$F[1],,}' kog kog.parsed.tab

表格郃竝

perl -F'\t' -lane 'if(!$flag){$anno{$F[0]}=q{[}.$F[1].q{]}.$F[2]}else{print join qq{\t},$F[0],qq{$F[1]/$F[-2]/$anno{$F[1]}}}$flag=1 if eof ARGV' kog.parsed.tab transcripts.2.kog.diamond.tab.filtered kog.anno.tab

結果示例