【原】新手教程 | 非模式物种GO/KEGG注释！使用 EggNOG-mapper 快速完成~

前段时间，毕业转医学的师弟和我讨论了一些基因集合功能富集分析的项目。对于非模式生物来说，麻烦的不仅仅是富集分析，更在于“注释”，如Gene Ontology注释和KEGG注释。聊到后面，想想对于几乎所有人来说，最为方便的方法，或许就是使用一些安装极其简单的软件（如TBtools），或者使用网页工具。TBtools要求用户下载一些数据库文件，相对还是麻烦。替代的最好办法，就是使用 eggNOG-mapper。于是建议他试试，并写个稿件投送过来。与大伙一起学习讨论。

CJ - 陈程杰

• 对于非模式物种，需要做GO或KEGG富集，可以尝试使用EGGNOG-Mapper来对你的物种序列进行快速注释。在注释结果文件中，可以同时获得序列映射上的GO号或KO号，直接提取出来即可。

• 此外，EGGNOG-Mapper对序列进行注释，似乎对区分旁系同源基因和直系同源基因上有更好的表现。

• EGGNOG-Mapper可以直接使用网页版，也能在服务器上进行本地化。由于比对调用的是diamond，因此运行速度很快，2W+基因只需要十来分钟，推荐直接使用网页版。

一、EGGNOG-Mapper网页注释

• 注释网址

• 
  

http://eggnog-mapper.embl.de/

• 运行提交的任务

注释完成之后会收到通知邮件，通过邮件中的链接下载注释结果

其中，out.emapper.annotations是最终的注释结果

其中，out.emapper.annotations是最终的注释结果

结果文件如下，其中我们最关注的是第十列的GO号以及第十二列的KO号。

这里以提取KO号为例，制作query2ko背景文件，可以以此直接使用TBtools进行富集分析。

提取基因及其映射上的KO号，KO号在第12列

• 
  

cut -f 1,12 out.emapper.annotations > out.emapper.annotations.query2ko

查看提取结果发现有些基因没有被注释上，需要去掉没有注释的基因以及去掉KO号前面的ko:

注意：需要保持ID的一致性，否则注释不出结果（例如拿来做注释的往往是蛋白序列，一般会包括可变性剪切的标识符AT4G36920.1
，这个时候需要注意做富集的差异基因是否包含该标识符，需要统一；再者，如果使用的是ensembl ID，则需要注意统一使用Transcript ID或Gene ID）

去掉没有注释的基因以及去掉KO号前面的ko:

• 
  

grep -v '-' out.emapper.annotations.query2ko|sed 's/ko://g' > out.emapper.annotations.query2ko.final

整理好的query2ko文件如图

直接使用TBtools进行富集分析

二、本地化EGGNOG数据库及注释

• 需要python3.7以上的版本

• 安装，直接使用conda安装，可以一键解决eggnog-mapper需要的环境以及分析需调用的软件，省事

• 
  

conda install -c bioconda eggnog-mapper

• 下载数据库，eggnog-mapper的新版本已经将几个主要数据库都整合在一起，直接运行下载脚本即可。也可以上官网选择自己所需要的物种数据库进行下载

• 
  

http://eggnog5.embl.de/#/app/downloads

• 
  

download_eggnog_data.py

使用emapper.py脚本进行注释

• 
  

emapper.py --cpu 80 -i 待注释文件 -o 输出文件名

注释结果整理参考前述的结果整理

写在后面

硕士三年匆匆而过，现在也步入新的研究领域，就如同三年前初到914一样。
一切重来，要学的还有很多，大家加油！
最后，干饭喊我 哈哈。