NCBI原核基因组注释管道(PGAP)

概述

NCBI原核基因组注释管道（Prokaryotic Genome Annotation Pipeline, PGAP）用于注释细菌和古菌基因组（包括染色体和质粒）。基因组注释是一个多级别过程，涵盖蛋白质编码基因预测，以及其他功能基因组单元的注释，如结构RNA、tRNA、小RNA、假基因、控制区域、正向和反向重复序列、插入序列、转座子及其他可移动元件。

NCBI开发了结合从头基因预测算法与同源性方法的自动原核基因组注释管道。2005年开发的首个版本（NCBI原核基因组自动注释管道，PGAAP）已被升级版本取代，新版本具备处理更大数据量的能力。

功能特性

• 整合从头基因预测算法与同源性分析方法，实现高效准确的基因组功能注释
• 支持细菌和古菌全基因组（染色体及质粒）的多级别功能单元注释
• 升级版本优化了数据处理能力，可应对大规模基因组数据注释需求

参考文献

1. Tatusova T, DiCuccio M, Badretdin A, et al. NCBI prokaryotic genome annotation pipeline. Nucleic Acids Res. 2016 Aug 19;44(14):6614-24. [***]
2. Haft DH, DiCuccio M, Badretdin A, et al. RefSeq: an update on prokaryotic genome annotation and curation. Nucleic Acids Res. 2018 Jan 4;46(D1):D851-D860. [***]
3. Besemer J, Lomsadze A, Borodovsky M. GeneMarkS: a self-training method for prediction of gene starts in microbial genomes. Implications for finding sequence motifs in regulatory regions. Nucleic Acids Research. 2001;29(12):2607-2618. [***]
4. Haft DH, Loftus BJ, Richardson DL, et al. TIGRFAMs: a protein family resource for the functional identification of proteins. Nucleic Acids Res. 2001 Jan 1;29(1):41-3. [***]
5. Haft DH, Selengut JD, White O. The TIGRFAMs database of protein families. Nucleic Acids Res. 2003 Jan 1;31(1):371-3. [***]
6. Selengut JD, Haft DH, Davidsen T, et al. TIGRFAMs and Genome Properties: tools for the assignment of molecular function and biological process in prokaryotic genomes. Nucleic Acids Res. 2007 Jan;35(Database issue):D260-4. Epub 2006 Dec 6. [***]
7. Haft DH, Selengut JD, Richter RA, et al. TIGRFAMs and Genome Properties in 2013. Nucleic Acids Res. 2013 Jan;41(Database issue):D387-95. doi: 10.1093/nar/gks1234. Epub 2012 Nov 28. [***]

Docker部署方案示例

# 拉取PGAP Docker镜像
docker pull ncbi/pgap

# 运行容器进行基因组注释（示例）
docker run -v $(pwd)/input_data:/input -v $(pwd)/output_results:/output ncbi/pgap \
  pgap.py --input /input/genome.fasta --output /output/annotation_report

说明：

• -v $(pwd)/input_data:/input：挂载本地输入目录（含待注释基因组文件）至容器内/input路径
• -v $(pwd)/output_results:/output：挂载容器内输出目录至本地/output_results路径，用于保存注释结果
• pgap.py --input /input/genome.fasta --output /output/annotation_report：执行注释命令，具体参数可根据实际需求调整

许可条款

NCBI PGAP CWL

NCBI PGAP CWL及其他NCBI授权代码根据《美国版权法》属于“美国政府作品”。其作为作者在美国政府官方职责范围内创作，不受版权保护，免费向公众开放使用，美国国家医学图书馆(NLM)及美国政府未对其使用或复制施加限制。

尽管已尽合理努力确保软件和数据的准确性，NLM及美国政府不对使用本软件可能获得的性能或结果提供担保，否认所有明示或暗示的担保（包括适销性或特定用途适用性担保）。基于本材料的工作或产品，请引用NCBI。

第三方工具

本Docker镜像包含的第三方工具分发受各自许可条款约束：

• GeneMarkS：作为PGAP组件分发，使用和再分发权利由佐治亚理工研究公司限制，详见许可全文：[***]
• TIGRFAMs：原始数据库为JCVI研究项目，2018年4月起由NCBI以知识共享署名-相同方式共享4.0许可协议分发（[***]