ncbi/pgap-dev

NCBI Prokaryotic Genome Annotation Pipeline (PGAP) 开发版镜像

镜像概述

本镜像包含NCBI（美国国家生物技术信息中心）开发的Prokaryotic Genome Annotation Pipeline (PGAP)开发版本，是一款用于原核生物（细菌、古菌等）基因组自动化注释的专业工具。该版本集成了最新的算法改进、功能更新和数据库升级，旨在为科研人员提供更精准、高效的基因组注释服务，适合需要测试前沿功能或参与工具开发的场景。

核心功能与特性

自动化注释流程

• 整合基因预测、功能注释、非编码RNA识别等多步骤分析，一键完成从基因组序列到注释结果的全流程
• 支持多种输入格式（如FASTA、GenBank），兼容常见测序平台数据

开发版专属特性

• 包含正式版未发布的前沿功能，如新型基因预测算法、改进的功能注释规则
• 定期同步NCBI最新数据库（如RefSeq、COG），提升注释准确性
• 提供实验性工具模块，支持用户自定义注释规则或数据库

兼容性与可靠性

• 支持Linux x86_64架构，兼容Docker 19.03及以上版本
• 内置资源监控机制，可根据基因组大小自适应分配计算资源
• 输出符合INSDC（国际核苷酸序列数据库协作组织）标准格式，便于数据提交

使用场景与适用范围

目标用户

• 微生物基因组学研究者
• 比较基因组学实验室
• 功能基因组学研究团队
• PGAP工具开发者或测试人员

典型应用场景

• 新测序原核生物基因组的快速注释
• 比较基因组学分析中的注释标准化处理
• 注释算法或数据库更新的效果验证
• 自定义注释流程的开发与测试

使用方法与配置说明

基本使用要求

• 宿主环境需安装Docker 19.03+，分配至少8GB内存及50GB存储空间
• 需联网获取最新数据库（首次运行可能需要较长时间下载）
• 输入文件需符合PGAP格式要求（详见https://github.com/ncbi/pgap%EF%BC%89

基本运行命令

bash
docker run --rm -v /本地输入目录:/input -v /本地输出目录:/output ncbi/pgap-dev:latest \
  pgap.py --input /input/genome.fasta --output /output/annotation_results

参数说明

• --input: 指定输入基因组序列文件路径（必填，支持FASTA格式）
• --output: 指定输出目录路径（必填，镜像会自动创建并写入结果文件）
• --force: 强制覆盖已有输出目录（可选）
• --test: 运行内置测试用例，验证镜像功能（可选，适合首次使用）

环境变量配置

输入与输出说明

• 输入文件：单个或多个基因组FASTA文件（建议每个文件对应一个基因组）
• 输出文件：包含注释结果（GenBank、GFF3、蛋白质FASTA等格式）、日志文件及中间分析报告，存储于--output指定目录

示例：注释大肠杆菌基因组

1. 准备输入文件：将大肠杆菌基因组FASTA文件（如ecoli_genome.fasta）保存至本地./input目录
2. 运行容器：

bash
docker run --rm -v $(pwd)/input:/input -v $(pwd)/output:/output \
  -e THREADS=4 -e MEMORY_LIMIT=16 \
  ncbi/pgap-dev:latest \
  pgap.py --input /input/ecoli_genome.fasta --output /output/ecoli_annotation

3. 查看结果：注释完成后，在./output/ecoli_annotation目录中获取GenBank格式注释文件及相关分析报告

注意事项

• 开发版工具可能存在稳定性风险，不建议用于关键性生产环境分析
• 数据库更新需联网，建议在网络条件良好的环境中运行
• 大规模基因组注释（如宏基因组数据）需额外配置更高计算资源（建议16GB+内存、8核以上CPU）
• 使用过程中遇到问题可参考https://github.com/ncbi/pgap%E7%9A%84issue%E6%88%96%E6%8F%90%E4%BA%A4%E5%8F%8D%E9%A6%88

参考资料

• https://github.com/ncbi/pgap
• PGAP使用教程
• INSDC基因组注释标准