shengwei/transdecoder

shengwei/transdecoder 镜像文档

镜像概述

shengwei/transdecoder是一个集成TransDecoder工具的Docker镜像，用于从转录组数据（尤其是Trinity组装的转录本）中预测蛋白质编码区。该镜像包含TransDecoder核心程序及相关依赖，支持结合BLASTP和Pfam数据库进行编码区功能验证，简化转录组学分析流程。

核心功能和特性

• 编码区预测：通过TransDecoder.LongOrfs识别转录本中的长开放阅读框（ORF）
• 功能验证：支持结合BLASTP（比对UniProt数据库）和hmmscan（比对Pfam数据库）验证编码区功能
• 权限控制：支持映射宿主机用户ID和组ID，避免容器内文件权限问题
• 数据持久化：通过挂载卷实现输入数据、数据库和结果文件的持久化存储

使用场景

• 转录组组装后（如Trinity组装）的蛋白质编码区预测
• 非模式生物转录组数据的编码基因注释
• 基因组学研究中对转录本进行功能注释前的编码区筛选

使用方法

1. 初始化容器

在后台启动一个名为transdecoder的容器，挂载输入数据目录和数据库目录。

命令示例：

bash
# 设置输入路径（Trinity组装结果目录的绝对路径）
INPUT_PATH=$(readlink -f ${TRINITY_RESULT_FOLDER})

# 启动容器
docker run -t -d --rm \
           -v /etc/group:/etc/group:ro -v /etc/passwd:/etc/passwd:ro \
           -u $(id -u $USER):$(id -g $USER) \
           -v $INPUT_PATH:/mnt \
           -v /home/db/uniprot:/db/uniprot \
           -v /home/db/Pfam:/db/Pfam \
           --name transdecoder \
           shengwei/transdecoder:latest

参数说明：

• -t -d：分配伪终端并在后台运行
• --rm：容器停止后自动删除
• -v /etc/group:/etc/group:ro -v /etc/passwd:/etc/passwd:ro：挂载宿主机用户组和密码文件（只读），用于权限映射
• -u $(id -u $USER):$(id -g $USER)：设置容器内用户ID和组ID，与宿主机当前用户一致
• -v $INPUT_PATH:/mnt：挂载输入数据目录（Trinity结果）到容器内/mnt目录
• -v /home/db/uniprot:/db/uniprot：挂载UniProt数据库目录
• -v /home/db/Pfam:/db/Pfam：挂载Pfam数据库目录
• --name transdecoder：指定容器名称为transdecoder

2. 运行TransDecoder流程

通过docker exec在运行的容器内执行TransDecoder分析步骤。

步骤1：识别长ORF

bash
docker exec transdecoder /bin/bash -c 'cd /mnt && TransDecoder.LongOrfs -t Trinity.fasta -m 50 -G universal'

• -t Trinity.fasta：输入转录组文件（Trinity组装结果）
• -m 50：设置最小ORF长度为50个氨基酸
• -G universal：使用通用遗传密码表

步骤2：BLASTP比对UniProt数据库

bash
docker exec transdecoder /bin/bash -c 'cd /mnt && blastp -query Trinity.fasta.transdecoder_dir/longest_orfs.pep -db /db/uniprot/uniprot_sprot.fasta -max_target_seqs 1 -outfmt 6 -evalue 1e-5 -num_threads 20 > blastp.outfmt6'

• -query：输入ORF预测结果中的最长肽链文件
• -db：指定UniProt数据库路径
• -max_target_seqs 1：每个查询序列保留1个最佳比对结果
• -outfmt 6：输出表格格式结果
• -evalue 1e-5：设置E-value阈值
• -num_threads 20：使用20个线程

步骤3：hmmscan比对Pfam数据库

bash
docker exec transdecoder /bin/bash -c 'cd /mnt && hmmscan --cpu 20 --domtblout pfam.domtblout /db/Pfam/Pfam-A.hmm Trinity.fasta.transdecoder_dir/longest_orfs.pep'

• --cpu 20：使用20个线程
• --domtblout pfam.domtblout：输出结构域比对结果到文件
• /db/Pfam/Pfam-A.hmm：Pfam数据库HMM文件路径

步骤4：整合结果预测编码区

bash
docker exec transdecoder /bin/bash -c 'cd /mnt && TransDecoder.Predict -t Trinity.fasta --retain_pfam_hits pfam.domtblout --retain_blastp_hits blastp.outfmt6'

• --retain_pfam_hits：保留Pfam结构域比对结果支持的ORF
• --retain_blastp_hits：保留BLASTP比对结果支持的ORF

3. 停止并删除容器

分析完成后，停止并自动删除容器（因初始化时使用--rm参数）：

bash
docker container kill transdecoder

结果说明

分析结果将保存在挂载的输入目录（$INPUT_PATH）中，主要包括：

• Trinity.fasta.transdecoder_dir：ORF预测中间文件目录
• Trinity.fasta.transdecoder.pep：最终预测的蛋白质序列
• Trinity.fasta.transdecoder.gff3：编码区位置GFF3文件
• blastp.outfmt6：BLASTP比对结果
• pfam.domtblout：Pfam结构域比对结果