glimmer（Gene Locator and Interpolated Markov ModelER）

1.1简介

Glimmer是用于寻找微生物DNA，特别是细菌、古菌和病毒中的基因。其采用的方法为内插马尔科夫模型（interpolted Markov model，IMM）来识别编码区域和非编码区域。已经经历了1.0，2.0版本，现在为3.0版本。

1.2官网、下载地址和安装方法

http://ccb.jhu.edu/software/glimmer

下载的tar.gz压缩包解压后进入rsc子文件夹，使用make编译即可。

1.3使用方法

1、将一个fasta格式文件中的多条序列合并成一条

sed -e '/>/d' [input_file] |tr -d 'n' |awk 'BEGIN {print ">[seq_id]"}{print $0}' > [output_file]

方括号及其中参数需要自行添加

2、创建训练模型

Glimmer一般使用三种方法创建训练模型:a.用亲缘关系很近的物种的基因；b.用自身序列创建的orf数据;c.用基因组本身的已知信息。这里我们采用自身数据作为训练数据。

（1）产生长orf数据

long-orfs -n -t 1.15 genom.seq run1.longorfs

-n 输出文件去除首行，只包含orf

-t 熵距离得分阈值，小于阈值才被保留

输入genom.seq 输出run1.longorfs

（2）提取数据集

extract -t genom.seq run1.longorfs > run1.train

（3）生成预测模型

build-icm -r run1.icm < run1.train

3、基因预测

glimmer3 -o50 -g110 -t30 genom.seq run1.icm run1

-o 最大重叠片段长度阈值，小于阈值保留

-g 基因片段长度阈值，大于阈值保留

-t orf得分阈值，大于阈值保留

4、根据预测结果提取序列

extract -t genomseq run1.predict > predict.fasta