NCBI原核基因组注释管道（PGAP）测试版Docker镜像

概述

本Docker镜像包含NCBI（美国国家生物技术信息中心）开发的原核基因组注释管道（Prokaryotic Genome Annotation Pipeline, PGAP）的测试版本。PGAP是一款专为原核生物（细菌和古菌）基因组设计的自动化注释工具，能够实现从原始基因组序列到功能注释结果的全流程自动化处理。测试版本旨在提供最新功能预览，可能包含未正式发布的算法优化或数据库更新，但稳定性较正式版本可能略低，适合科研场景下的测试与评估。

核心功能

• 自动化基因预测：基于Prodigal等工具预测编码序列（CDS），结合基因组特征优化基因边界识别
• 全面功能注释：整合COG、GO、KEGG、UniProt等权威数据库，生成基因功能描述及通路注释
• 非编码RNA识别：自动预测rRNA、tRNA、sRNA等非编码RNA基因，支持多物种特异性模型
• 假基因检测：通过序列完整性、终止密码子提前出现等特征识别潜在假基因
• 标准化输出：生成符合INSDC（国际核苷酸序列数据库协作组织）标准的注释结果，支持GenBank、GFF3、tbl等格式

使用场景

• 新测序菌株注释：对新分离或测序的原核微生物基因组进行快速功能注释
• 比较基因组学研究：为多菌株比较分析提供统一注释标准，减少批次差异
• 微生物功能解析：辅助解析病原菌毒力基因、耐药基因等关键功能元件
• 注释流程验证：科研人员测试新注释算法或参数优化效果的标准化工具

使用方法

前提条件

• 已安装Docker Engine（推荐版本20.10及以上）
• 输入文件为FASTA格式的原核基因组序列（完整基因组或高质量草图，避免过多N碱基）
• 建议分配至少4GB内存（大型基因组需8GB以上）及10GB以上磁盘空间

镜像获取

（假设镜像名称为ncbi/pgap-test，具体名称请以NCBI官方发布为准）

docker pull ncbi/pgap-test:latest

容器运行

基础运行命令

通过挂载本地输入/输出目录，运行注释流程：

docker run --rm \
  -v /path/to/local/input:/input \  # 本地输入目录（含FASTA文件）挂载到容器内/input
  -v /path/to/local/output:/output \  # 本地输出目录挂载到容器内/output
  ncbi/pgap-test:latest \
  pgap.py --input /input/genome.fasta --output /output/results

参数说明

• --rm：容器运行结束后自动删除，避免残留临时文件
• -v：目录挂载参数，格式为本地路径:容器内路径，需确保本地目录有读写权限
• --input：容器内输入FASTA文件路径（需对应挂载的/input目录下文件）
• --output：容器内输出目录路径（需对应挂载的/output目录）
• 可选参数：--species（指定物种名称，优化注释模型）、--force（强制覆盖现有输出文件）

输出文件说明

输出目录（/path/to/local/output/results）包含以下核心文件：

• annotation.gbk：GenBank格式注释结果，包含基因位置、功能描述等完整信息
• annotation.gff：GFF3格式特征表，适合基因组浏览器可视化
• gene_features.tsv：表格形式的基因特征汇总（ID、位置、链方向、长度等）
• functional_annotations.tsv：功能注释详情表（含COG/GO/KEGG注释及数据库链接）
• ncRNA_summary.txt：非编码RNA预测结果汇总（类型、位置、序列信息）

注意事项

• 测试版本可能存在功能不稳定风险，正式科研成果建议使用PGAP正式版验证
• 输入基因组序列需满足基本质量要求（如N含量<5%、组装连续性>50 contigs），否则可能影响注释准确性
• 大型基因组（如多染色体或含多个质粒）建议增加内存分配（≥16GB），并延长运行时间（通常需2-8小时，依基因组大小而定）
• 注释结果需结合实验验证（如RT-PCR、功能实验）进行人工校正，自动化注释结果仅供参考