基于 TRF 软件预测序列中的 TE 元件

TRF（Tandem Repeats Finder）是一款用于检测 DNA 序列中串联重复序列（Tandem Repeats）的软件工具，基于重复序列特征的 de novo 从头预测。

软件的下载安装

wget   https://github.com/Benson-Genomics-Lab/TRF/archive/refs/tags/v4.09.1.tar.gz

tar   -xzf    v4.09.1.tar.gz

cd   /your/path/TRF-4.09.1

./configure

软件使用方法

path/to/TRF-4.09.1/src/trf    File   Match   Mismatch   Delta   PM    PI   Minscore    MaxPeriod   [options]

快速开始

trf   yoursequence.txt    2   7   7   80   10   50   500   -f   -d   -m

命令详解：

File: 以FASTA格式提供的待分析序列文件。允许在同一个文件中包含多个序列。

Match, Mismatch, and Delta: 这些是用于 Smith-Waterman 风格局部比对的对齐权重，用于处理匹配、不匹配和插入/删除操作。较低的权重允许具有更多不匹配和插入/删除操作的比对。匹配权重为 2 已被证明在 3 到 7 的不匹配和插入/删除处罚范围内是有效的。不匹配和插入/删除权重被解释为负数。3 更宽容，7 更严格。建议的匹配、不匹配和差异值分别为 2、7 和 7。

PM 和 PI: PM值为80和75，PI值为10和20的概率数据可用。最佳性能可通过PM=80和PI=10的值获得。PM=75和PI=20的值产生的结果非常相似，但通常需要与PM=80和PI=10的值相比多达十倍的处理时间。

Minscore: 串联重复的比对必须达到或超过此比对分数才能报告。例如，如果我们将匹配权重设置为2，并将最小分数设置为50，假设完美比对，我们将需要至少比对25个字符以达到最小得分（例如，尺寸为5的5个副本）。

Maxperiod: 周期大小是程序对串联重复的模式大小的最佳猜测。程序将查找周期大小在1到2000之间的所有重复序列，但输出可以限制在较小的范围内。

-m: 这是一个可选参数，当存在时，指示程序生成一个掩蔽的序列文件。掩蔽的序列文件是一个FASTA格式文件，其中序列中每个出现在串联重复中的位置都被更改为字母'N'。单词"masked"被添加到序列描述行中的'>'字符后面。

-f: 如果存在此选项，每个重复周围的序列将记录在比对文件中。这对于PCR引物的确定可能会有用。周围序列由重复周围的每侧500个核苷酸组成。

-d: 如果存在此选项，则会生成一个数据文件（.dat）。该文件是一个文本文件，其包含与总结表文件中相同顺序的相同信息，以及一致性模式和重复序列。此文件不包含标签，适用于程序外的其他处理，例如使用 Python 脚本。如果存在 -h 选项，则适用 -h 选项。

-h: 抑制HTML输出（这会自动将-d开关打开）。

-l : 指定输入中期望的最长串联重复数组最多为n百万bp长。默认值为2（2百万）。如果将此选项设置得太高，则可能会出现错误消息，如果没有足够的可用内存，程序将无法运行。我们仅对值29进行了测试。使用时省略括号，即 -l 2 或 -l=2。

-u: 打印上面的帮助/用法信息。

-v: 打印版本信息。

-ngs: 多序列文件上更紧凑的 .dat 输出，成功返回0。您可以使用此选项通过-来管道输入文件名。短50个核苷酸的侧翼附加到 .dat 输出中。实际上，.dat 输出到 stdout 而不是文件。序列标题在输出中显示为 @header。仅显示包含重复的标题。

Note the sequence file should be in FASTA format:

>Name of sequence

aggaaacctgccatggcctcctggtgagctgtcctcatccactgctcgctgcctctccag

atactctgacccatggatcccctgggtgcagccaagccacaatggccatggcgccgctgt

actcccacccgccccaccctcctgatcctgctatggacatggcctttccacatccctgtg