antiSMASHは生物の持つ二次代謝産物生合成遺伝子の網羅的な解析ツールです。
主にTechnical University of Denmark、Wageningen UniversityとLeiden Universityのグループにより開発されmasita。
antiSMASH version 7が公開されたことに伴い、antiSMASHをGoogle Colaboraotryで利用するときの方法を書き直しました。
antiSMASHに関しては以下のページを参考にしてください。
引用文献
https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkad344/7151336?login=true
antiSMASHのホームページ (ウェブ版、特に問題がなければこちらの利用でも良いと思います。)
https://antismash.secondarymetabolites.org/
また、version 6の利用方法は以下のリンクで解説しています。
https://qiita.com/ykguitar1002000/items/b4630064b7713df6ef7a
基本的な操作はこのページに記載されている内容とほとんど変更ありません。
antiSMASH version 7のインストール
最初のセルでantiSMASHのインストールを行います。
%%bash
wget https://dl.secondarymetabolites.org/releases/7.0.0/antismash-7.0.0.tar.gz
tar -zxf antismash-7.0.0.tar.gz
pip install ./antismash-7.0.0
antiSMASHの動作に必要なプログラムのインストール
次にantiSMASHの動作に必要なプログラムをインストールします。
version 6はbiopythonのversionを1.79に指定する必要がありましたが、今回のversionでは指定しなくても動作しました。(追記、biopythonに関してはantiSMASHのインストールの過程で自動で必要なversionをインストールしているようです。なので、biopythonのinstallは不要です。)
長期的にはversionを指定する必要が出てくるかもしれません。
version 6ではcondaでinstallする方法を紹介していたが、sudo apt-getを利用した方が早く簡便であるため、今回はこの方法を利用する。
%%bash
sudo apt-get install hmmer2 hmmer diamond-aligner fasttree prodigal ncbi-blast+ muscle #glimmerhmm
#pip install biopython #不要なようである。
現状ではMEME-suiteをインストールしていないため、関連のプログラムを動作させることができません。
*MEMEに関しては後日追記を検討しています。
*glimmerhmmのインストールできていないようである。
antiSMASH databaseのダウンロード
次に以下のコマンドでantiSMASH dtabaseをダウンロードします。
まあまあ時間がかかります。
%%bash
download-antismash-databases
必要なものがインストールされているか確認
以下のコードでインストールされたソフトが揃っているか確認する。
!antismash --check-prereqs
以下の出力がでます。
ERROR 10/05 03:06:48 antismash.detection.cassis: preqrequisite failure: Failed to locate executable for 'meme'
ERROR 10/05 03:06:48 antismash.detection.cassis: preqrequisite failure: Failed to locate executable for 'fimo'
Some module prerequisites not satisfied
MEMEをインストールしていないため、これらの項目に関してはエラーがでます。
MEMEを使わない機能に関しては利用可能です。
ヘルプの確認
ヘルプにより、オプションコマンドを確認できます。
!antismash -h
以下のような出力がされます。
使用可能なoptionのリストが確認できます。
CASSISとRODEOを利用したい場合はMEMEのインストールが必要になります。
このページの設定ではこれらが利用できません。
########### antiSMASH 7.0.0 #############
usage: antismash [-h] [options ..] sequence
arguments:
SEQUENCE
GenBank/EMB
L/FASTA
file(s)
containing
DNA.
--------
Options
--------
Basic analysis options:
--taxon {bacteria,fungi}
Taxonomic classification of input sequence.(default: bacteria)
Additional analysis:
--fullhmmer
Run a whole-genome HMMer analysis.
--cassis
Motif based prediction of SM gene cluster regions.
--clusterhmmer
Run a cluster-limited HMMer analysis.
--tigrfam
Annotate clusters using TIGRFam profiles.
--asf
Run active site finder analysis.
--cc-mibig
Run a comparison against the MIBiG dataset
--cb-general
Compare identified clusters against a database of antiSMASH-predicted clusters.
--cb-subclusters
Compare identified clusters against known subclusters responsible for synthesising precursors.
--cb-knownclusters
Compare identified clusters against known gene clusters from the MIBiG database.
--pfam2go
Run Pfam to Gene Ontology mapping module.
--rre
Run RREFinder precision mode on all RiPP gene clusters.
--smcog-trees
Generate phylogenetic trees of sec. met. cluster orthologous groups.
--tfbs
Run TFBS finder on all gene clusters.
--tta-threshold TTA_THRESHOLD
Lowest GC content to annotate TTA codons at (default:0.65).
Output options:
--output-dir OUTPUT_DIR
Directory to write results to.
--output-basename OUTPUT_BASENAME
Base filename to use for output files within the output directory.
--html-title HTML_TITLE
Custom title for the HTML output page (default is input filename).
--html-description HTML_DESCRIPTION
Custom description to add to the output.
--html-start-compact
Use compact view by default for overview page.
Gene finding options (ignored when ORFs are annotated):
--genefinding-tool {glimmerhmm,prodigal,prodigal-m,none,error}
Specify algorithm used for gene finding: GlimmerHMM, Prodigal, Prodigal Metagenomic/Anonymous mode, or none. The 'error' option will raise an error if genefinding is attempted. The 'none' option will not run genefinding.(default: error).
--genefinding-gff3 GFF3_FILE
Specify GFF3 file to extract features from.
antiSMASHの実行
basicな機能は以下のコマンドで実行できる。
xxxxにファイル名、yyyyに出力先の名前を入力する。
ファイルをアップロードしてから実行すると良い。
#antiSMASHを動作させる。
!antismash xxxx.gb --output-dir yyyy
出力フォルダは以下の方法で圧縮してダウンロードすると良い。
import shutil
shutil.make_archive('yyyy','zip',root_dir='yyyy')
optionも含めて実行する場合は以下のコマンドを実行する。
MEMEをインストールしていないため、一部動作しないoptionがあります。
#オプションも含めて動作させる場合
!antismash xxxx.gb --output-dir yyyy --fullhmmer --clusterhmmer --tigrfam --smcog-trees --cb-general --cb-subclusters --cb-knownclusters --asf --pfam2go --cc-mibig
google drive上にあるファイルを一括でかけることもできます。
この方法はversion 6の場合と基本的に同じです。
念の為、転載しております。
#必要なモジュールのインポート
from google.colab import drive
import subprocess
from subprocess import Popen
import os
#ドライブのマウント、googleから許可を要求される
drive.mount('/content/drive')
#yyyyに自身のデータの格納先を指定する。
DRIVE = 'MyDrive/yyyy'
#DRIVEの最後に「/」がない場合は追加する
if DRIVE[-1] == '/':
pass
else:
DRIVE = DRIVE + '/'
DRIVE_2 = '/content/drive/' + DRIVE
#antiSMASHを実行するためのdefを作成する。オプションもフルに利用する設定である。利用しない場合は「anti_smash_opt = ''」とするとよい。
def antiS(fn,drive):
anti_smash_opt = ' --fullhmmer --clusterhmmer --tigrfam --smcog-trees --cb-general --cb-subclusters --cb-knownclusters --asf --pfam2go --cc-mibig'
nn = fn.rfind('.') # [.]の位置の取得
out = fn[:nn]
cmd = 'antismash ' + drive + fn + ' --output-dir ' + drive + out + anti_smash_opt
print(cmd)#コマンドを出力する。
test = subprocess.Popen(cmd, shell=True, text=True,stdout=subprocess.PIPE, stderr=subprocess.PIPE)
outs, errs = test.communicate()
if drive[-1] == '/':
drive_2 = drive
pass
#print('good')
else:
drive_2 = drive + '/'
#念の為logをlog.txtとして記録する。
with open(drive_2 + 'log.txt','a') as f:
f.write(outs)
f.write('\n')
f.write(errs)
f.write('\n')
#格納先のファイルのリストを取得する。この設定ではgbとgbkファイルのみリスト化する。
files = os.listdir(DRIVE_2)
files2 = [] #これにフォルダの中の情報が格納される
#目的のファイルのみを持つリストを作る
for i in files:
if '.gb' in i:
files2.append(i)
elif '.gbk' in i:
files2.append(i)
#ファイルのリストを確認のためにプリントする。
print(files2)
#antiSMASHの実行
for i in files2:
antiS(i,DRIVE_2)
その他、細かい設定をしたい場合の機能
上述したコマンド以外にもantiSMASHは細かい設定が可能である。
すべてのコマンドは以下の方法で確認できる。
!antismash --help-showall
いかにいくつか実用的なコマンドを紹介する。
以下のコマンドで、遺伝子の検出の閾値を設定できる。strict,relaxed,looseの３段階の設定が可能であり、デフォルトではrelaxedになっている。
#閾値を緩くしたい場合。
!antismash xxxx.gb --output-dir yyyy --hmmdetection-strictness loose
#閾値を厳しくしたい場合。
!antismash xxxx.gb --output-dir yyyy --hmmdetection-strictness strict
過去に実施した解析に追加で解析を実施した場合
配列を入力せず、出力結果フォルダの中のjsonファイルを指定するとよさそう。
#一度、解析を実施したものをベースに再度解析を行いたい場合。yyyyはフォルダの名前。xxxxは配列の名前になる。
!antismash --reuse-results yyyy/xxxx.json --output-dir yyyy
マイナーなコマンドを全て含んだヘルプの出力
マイナーな検索コマンドを含めたヘルプは以下の方法で出力できます。
!antismash --help-showall
以下はその出力結果。あまり使うことはないかもしれませんが、参考までに紹介しておきます。
########### antiSMASH 7.0.0 #############
usage: antismash [--taxon {bacteria,fungi}] [--output-dir OUTPUT_DIR]
[--output-basename OUTPUT_BASENAME] [--reuse-results PATH] [--limit LIMIT]
[--minlength MINLENGTH] [--start START] [--end END] [--databases PATH]
[--write-config-file PATH] [--without-fimo]
[--executable-paths EXECUTABLE=PATH,EXECUTABLE2=PATH2,...]
[--allow-long-headers | --no-allow-long-headers] [-v] [-d] [--logfile PATH]
[--list-plugins] [--check-prereqs] [--limit-to-record RECORD_ID] [-V]
[--profiling] [--skip-sanitisation] [--skip-zip-file] [--minimal]
[--enable-genefunctions] [--enable-lanthipeptides] [--enable-lassopeptides]
[--enable-nrps-pks] [--enable-sactipeptides] [--enable-t2pks]
[--enable-thiopeptides] [--enable-tta] [--enable-html] [--fullhmmer]
[--fullhmmer-pfamdb-version FULLHMMER_PFAMDB_VERSION]
[--hmmdetection-strictness {strict,relaxed,loose}]
[--hmmdetection-fungal-cutoff-multiplier HMMDETECTION_FUNGAL_CUTOFF_MULTIPLIER]
[--hmmdetection-fungal-neighbourhood-multiplier HMMDETECTION_FUNGAL_NEIGHBOURHOOD_MULTIPLIER]
[--sideload JSON] [--sideload-simple ACCESSION:START-END]
[--sideload-by-cds LOCUS1,LOCUS2,...] [--sideload-size-by-cds NUCLEOTIDES]
[--cassis] [--clusterhmmer]
[--clusterhmmer-pfamdb-version CLUSTERHMMER_PFAMDB_VERSION] [--tigrfam] [--asf]
[--cc-mibig] [--cc-custom-dbs FILE1,FILE2,...] [--cb-general] [--cb-subclusters]
[--cb-knownclusters] [--cb-nclusters count] [--cb-min-homology-scale LIMIT]
[--pfam2go] [--rre] [--rre-cutoff RRE_CUTOFF] [--rre-minlength RRE_MIN_LENGTH]
[--smcog-trees] [--tfbs] [--tfbs-pvalue TFBS_PVALUE] [--tfbs-range TFBS_RANGE]
[--tta-threshold TTA_THRESHOLD] [--html-title HTML_TITLE]
[--html-description HTML_DESCRIPTION] [--html-start-compact]
[--genefinding-tool {glimmerhmm,prodigal,prodigal-m,none,error}]
[--genefinding-gff3 GFF3_FILE] [-h] [--help-showall] [-c CPUS]
[SEQUENCE ...]
arguments:
SEQUENCE GenBank/EMBL/FASTA file(s) containing DNA.
--------
Options
--------
options:
-h, --help Show this help text.
--help-showall Show full lists of arguments on this help text.
-c CPUS, --cpus CPUS How many CPUs to use in parallel. (default: 2)
Basic analysis options:
--taxon {bacteria,fungi}
Taxonomic classification of input sequence. (default: bacteria)
Additional analysis:
--fullhmmer Run a whole-genome HMMer analysis.
--cassis Motif based prediction of SM gene cluster regions.
--clusterhmmer Run a cluster-limited HMMer analysis.
--tigrfam Annotate clusters using TIGRFam profiles.
--asf Run active site finder analysis.
--cc-mibig Run a comparison against the MIBiG dataset
--cb-general Compare identified clusters against a database of antiSMASH-predicted
clusters.
--cb-subclusters Compare identified clusters against known subclusters responsible for
synthesising precursors.
--cb-knownclusters Compare identified clusters against known gene clusters from the MIBiG
database.
--pfam2go Run Pfam to Gene Ontology mapping module.
--rre Run RREFinder precision mode on all RiPP gene clusters.
--smcog-trees Generate phylogenetic trees of sec. met. cluster orthologous groups.
--tfbs Run TFBS finder on all gene clusters.
--tta-threshold TTA_THRESHOLD
Lowest GC content to annotate TTA codons at (default: 0.65).
Output options:
--output-dir OUTPUT_DIR
Directory to write results to.
--output-basename OUTPUT_BASENAME
Base filename to use for output files within the output directory.
--html-title HTML_TITLE
Custom title for the HTML output page (default is input filename).
--html-description HTML_DESCRIPTION
Custom description to add to the output.
--html-start-compact Use compact view by default for overview page.
Advanced options:
--reuse-results PATH Use the previous results from the specified json datafile
--limit LIMIT Only process the largest <limit> records (default: -1). -1 to disable
--minlength MINLENGTH
Only process sequences larger than <minlength> (default: 1000).
--start START Start analysis at nucleotide specified.
--end END End analysis at nucleotide specified
--databases PATH Root directory of the databases (default: /usr/local/lib/python3.10/dist-
packages/antismash/databases).
--write-config-file PATH
Write a config file to the supplied path
--without-fimo Run without FIMO (lowers accuracy of RiPP precursor predictions)
--executable-paths EXECUTABLE=PATH,EXECUTABLE2=PATH2,...
A comma separated list of executable name->path pairs to override any on
the system path.E.g. diamond=/alternate/path/to/diamond,hmmpfam2=hmm2pfam
--allow-long-headers, --no-allow-long-headers
Should sequence identifiers longer than 16 characters be allowed (default:
True)
--hmmdetection-strictness {strict,relaxed,loose}
Defines which level of strictness to use for HMM-based cluster detection,
(default: relaxed).
--hmmdetection-fungal-cutoff-multiplier HMMDETECTION_FUNGAL_CUTOFF_MULTIPLIER
Sets the multiplier for rule cutoffs in fungal inputs (default: 1.0).
--hmmdetection-fungal-neighbourhood-multiplier HMMDETECTION_FUNGAL_NEIGHBOURHOOD_MULTIPLIER
Sets the multiplier for rule neighbourhoods in fungal inputs (default:
1.5).
--sideload JSON Sideload annotations from the JSON file in the given paths. Multiple files
can be provided, separated by a comma.
--sideload-simple ACCESSION:START-END
Sideload a single subregion in record ACCESSION from START to END.
Positions are expected to be 0-indexed, with START inclusive and END
exclusive.
--sideload-by-cds LOCUS1,LOCUS2,...
Sideload a subregion around each CDS with the given locus tags.
--sideload-size-by-cds NUCLEOTIDES
Additional padding, in nucleotides, of subregions to create for sideloaded
subregions by CDS. (default: 20000)
Debugging & Logging options:
-v, --verbose Print verbose status information to stderr.
-d, --debug Print debugging information to stderr.
--logfile PATH Also write logging output to a file.
--list-plugins List all available sec. met. detection modules.
--check-prereqs, --prepare-data
Check if all prerequisites are met, preparing data files where possible.
--limit-to-record RECORD_ID
Limit analysis to the record with ID record_id
-V, --version Display the version number and exit.
--profiling Generate a profiling report, disables multiprocess python.
--skip-sanitisation Skip input record sanitisation. Use with care.
--skip-zip-file Do not create a zip of the output
Debugging options for cluster-specific analyses:
--minimal Only run core detection modules, no analysis modules unless explicitly
enabled
--enable-genefunctions
Enable Gene function annotations (default: enabled, unless --minimal is
specified)
--enable-lanthipeptides
Enable Lanthipeptides (default: enabled, unless --minimal is specified)
--enable-lassopeptides
Enable lassopeptide precursor prediction (default: enabled, unless
--minimal is specified)
--enable-nrps-pks Enable NRPS/PKS analysis (default: enabled, unless --minimal is specified)
--enable-sactipeptides
Enable sactipeptide detection (default: enabled, unless --minimal is
specified)
--enable-t2pks Enable type II PKS analysis (default: enabled, unless --minimal is
specified)
--enable-thiopeptides
Enable Thiopeptides (default: enabled, unless --minimal is specified)
--enable-tta Enable TTA detection (default: enabled, unless --minimal is specified)
--enable-html Enable HTML output (default: enabled, unless --minimal is specified)
Full HMMer options:
--fullhmmer-pfamdb-version FULLHMMER_PFAMDB_VERSION
PFAM database version number (e.g. 27.0) (default: latest).
Cluster HMMer options:
--clusterhmmer-pfamdb-version CLUSTERHMMER_PFAMDB_VERSION
PFAM database version number (e.g. 27.0) (default: latest).
TIGRFam options:
ClusterCompare options:
--cc-custom-dbs FILE1,FILE2,...
A comma separated list of database config files to run with
ClusterBlast options:
--cb-nclusters count Number of clusters from ClusterBlast to display, cannot be greater than
50. (default: 10)
--cb-min-homology-scale LIMIT
A minimum scaling factor for the query BGC in ClusterBlast results. Valid
range: 0.0 - 1.0. Warning: some homologous genes may no longer be visible!
(default: 0.0)
NRPS/PKS options:
RREfinder options:
--rre-cutoff RRE_CUTOFF
Bitscore cutoff for RRE pHMM detection (default: 25.0).
--rre-minlength RRE_MIN_LENGTH
Minimum amino acid length of RRE domains (default: 50).
Transcription Factor Binding Site options:
--tfbs-pvalue TFBS_PVALUE
P-value for TFBS threshold setting (default: 1e-05).
--tfbs-range TFBS_RANGE
The allowable overlap with gene start positions for TFBSs in coding
regions (default: 50).
Gene finding options (ignored when ORFs are annotated):
--genefinding-tool {glimmerhmm,prodigal,prodigal-m,none,error}
Specify algorithm used for gene finding: GlimmerHMM, Prodigal, Prodigal
Metagenomic/Anonymous mode, or none. The 'error' option will raise an
error if genefinding is attempted. The 'none' option will not run
genefinding. (default: error).
--genefinding-gff3 GFF3_FILE
Specify GFF3 file to extract features from.