1、RepeatMasker 网 页 版 使用说明（中文翻译版）引用自 Tarailo-Graovac M, Chen N. Using RepeatMasker to identify repetitive elements in genomic sequences. Curr Protoc Bioinformatics. 2009 Mar;Chapter 4:Unit 4.10. doi: 10.1002/0471250953.bi0410s25.RepeatMasker是一款广泛应用于基因鉴定、分类和 mask repetitive elements,包括低复杂度序列和散布重复序列。Repe
2、atMasker 通过将数据库如：Repbase 中已知的重复序列与输入的基因组序列比对来搜素重复序列。在此我们描述两个基础协议，它对如何运用RepeatMasker去分析基因组序列的重复元件提供细节上的指导，而不论是通过网络界面还是通过 Unix/Linux命令系统。在 RepeatMasker中的序列比较通常经过 cross-match程序的序列比对来实现，对于较大序列这一过程需要大量处理时间。交替协议描述的是通过应用诸如 WU-BLAST这样的选择性比对程序来怎样减少处理时间。而且 RepeatMasker的优势、局限和已被发现的漏洞将在此进行讨论，最后提供理解其处理结果的指南。在新的
3、RepeatMasker程序包中添加了鉴定蛋白质序列的重复原件的程序。要运行 RepeatMasker，首先要选择重复库文件（repeat library files）,这一文件包含重复元件共有序列。目前，Repbase Update是最大的商业性（商购）重复库（free for academic use）并且包含了相当数量的包括人、啮齿动物、斑马鱼、果蝇以及拟南芥在内的生物体。生物体的库文件中没有 Repbase Update时，库文件会用 RECON （Bao and Eddy, 2002; http:/selab.janelia.org/recon.html)或 RepeatScout
4、(http:/bix.ucsd.edu/repeatscout/; Price et al., 2005)从头产生。最新版本的 RECON v.1.06已经发布并且可以从 http:/www.repeatmasker.org/RepeatModeler.html.中获得RepeatModeler程序包。RepeatMasker 的序列比较常通过 Phil Green改进的 cross-match (http:/www.phrap.org/consed/consed.html#howToGet)来实现，另外也可以为了快速程序来用 WU-BLAST (http:/info.cchmc.org/he
5、lp/wublast.html; see Alternate Protocol)来代替 cross-match。通过网络界面运用 RepeatMaskerRepeatMasker可通过 http:/www.repeatmasker.org/cgibin/WEBRepeatMasker来获得，它不像命令行版本的 RepeatMasker，网络版 RepeatMasker的核苷酸序列长度限制在100kb，不能分析长度超过 100kb的序列（提示会在窗口中显示） 。短于 100kb的序列可以用网络版 RepeatMasker来分析，其花费的时间与序列的长度相关。对于北美以外的快速服务有在德国、以色列
6、和澳大利亚的 RepeatMasker镜像网站。另外，如果常规分析大片段序列，最好是下载并本地运行命令行版本。重要的是，如果需分析的序列超过 100kb，唯一的选择就是下载 RepeatMasker并在本地运行。必需资源硬件：任意一台联网的计算机。软件：浏览器 如 IE或火狐浏览器文件：FASTA 文件或能通过网络界面处理的收集的 FASTA文件。1. 点击网页浏览器，进入 http:/www.repeatmasker.org/cgi-bin/WEBRepeatMasker.通过序列名或浏览文件下载 FASTA序列文件（最大 100kb） ，或者粘贴 FASTA序列（最大100kb）到指定的文
7、本框。如果输入的序列包含非 DNA符号或者序列太长，RepeatMasker 会提示错误信息。2. 从单选框下的“return format”来选择结果的格式：“html”或“tar file” 。如果选择“html” ，那么结果会以一个超文本标记语言（html.）文件输出。如果选择“tar file”，那么结果会打包为用 Unix系统“tar”协议的文档。3. 从“return method”下两个单选按钮选择会送结果的方法，即：“html”或“email”。如果选择这一步和上述第 2步都选择“html” ，那么所有的结果会通过窗口显示，如果过这步选择“html” ，而第 2步却选择“tar
8、 file” ，那么结果会在窗口内提供链接。如果选择“email” ，那么需要填写电子邮件地址，以确保结果可以通过电子邮件发送。这里以“html”为例。4. 目前，可以选择点击提交序列的按钮来运行 RepeatMasker，同时可选择其他选项来设置默认值。如果系统默认值不能满足需要，可继续第 5到 8步并按第 9步提交序列。设置其他选项设置默认值后点击提交序列，结果会在窗口中展示，如图4.10.2,4.10.3,4.10.4和 4.10.5.为理解结果的细节可以看参考。5. 通过点击 Speed/Senitivity下的四个单选按钮来调整速度：“rrush” ， “quick”，“defaul
9、t”，或“slow” 。注意速度和敏感度相关。比如选择“default” ，为了便于理解结果可以看参考。6. 在下拉菜单中选择“DNA source”的次选项，每一项等同于不同的重复原件库。比如这里的例子，其默认值是人，选择人是因为其序列来自于人类的基因组。注意如果待测序列所来自的生物体在菜单中没有，那么就必须本地运行命令行版本的RepeatMasker了，而且需要选用来自 Rebase中的合适的副本文件。如果 Rebase中不含合适的副本文件，那么 RECON(Bao and Eddy,2002; Stein et al., 2003)或RepeatScout(http:/bix.ucsd.
10、edu/repeatscout/; Price et al.,2005)会从头建立重复文件。7. 在下拉菜单的一系列功能中，单选按钮和 Lineage Annotation Options下的检查框（check boxes）来选择合适的选择项。这些选项不需要说明，比如选择 Comparison Species，与所选物种相关的世系特异性重复就会通过 RepeatMasker输出。8. 在高级选项（Advance Option）的下拉菜单中，选择合适的选项。这些选项同样简单明了。比如，如果想在 Masking Option的两个选项间选择，则要么选择模糊特性，诸如“N”或“X”此类的隐藏，要么选择小写字母，这更适合于序列比对。这些细节解释和附加选项可通过右边的下拉菜单中获得。9. 点击提交序列按钮运行 RepeatMasker。
