一、

## 统计基因组整体信息
srun -A 2022099 -p Debug -n 2 -N 1 seqkit stats ~/yiyaoran/workspace/06.BSRseq/guo_BSR_pipline/ref/genome.fasta > genome.allstat

cat genome.allstat 
文件名        格式     类型     序列数量     总长度        最小长度     平均长度       最大长度
file          format  type  num_seqs        sum_len  min_len      avg_len      max_len
genome.fasta  FASTA   DNA        685  2,182,075,994   30,084  3,185,512.4  308,452,471
file          format  type  num_seqs        sum_len  min_len      avg_len      max_len
genome.fasta  FASTA   DNA        685  2,182,075,994   30,084  3,185,512.4  308,452,471

## 统计每条序列长度
srun -A 2022099 -p Debug -n 2 -N 1 seqkit fx2tab -g -l -n -i ~/yiyaoran/workspace/06.BSRseq/guo_BSR_pipline/ref/genome.fasta > genome.seqstat

cat genome.seqstat |head -n 10
	序列的长度（单位为碱基数）	GC 含量
1	308452471				46.84
2	243675191				46.75
3	238017767				46.69
4	250330460				46.42
5	226353449				46.76
6	181357234				46.83
7	185808916				46.63
8	182411202				46.87
9	163004744				46.81
10	152435371				46.85


## 统计编码基因信息
srun -A 2022099 -p Debug -n 2 -N 1 \
awk -F "\t" '
  # 检查第3列是否为"gene"且最后一列包含"protein_coding"（蛋白编码基因）
  $3=="gene" && $NF ~ /protein_coding/ {
    num += 1;               # 统计符合条件的基因数量
    total += $5 - $4 + 1;   # 累加基因的长度，长度为结束位置减去开始位置再加1
  }
  END {
    # 输出基因总数、总长度和平均长度
    print "number: " num "\ntotal_len: " total "\navg_len: " total / num
  }
' ~/yiyaoran/workspace/06.BSRseq/guo_BSR_pipline/ref/Zea_mays.Zm-B73-REFERENCE-NAM-5.0.60.gtf > gene.stat

cat gene.stat
基因数量 (number): 39756
基因总长度 (total_len): 177979203
基因平均长度 (avg_len): 4476.79


## 统计编码转录本信息
srun -A 2022099 -p Debug -n 2 -N 1 awk -F "\t" '
    # 条件：筛选出类型为“transcript”且蛋白质编码的条目
    $3=="transcript" && $NF ~ /protein_coding/ { 
        # 统计符合条件的转录本数量
        num += 1; 
        # 累加转录本的总长度
        total += $5 - $4 + 1;
    }
    # 输出结果
    END {
        # 输出符合条件的转录本数量
        print "number: " num "\n" \
              # 输出所有转录本的总长度
              "total_len: " total "\n" \
              # 计算并输出平均长度
              "avg_len: " total / num
    }' ~/yiyaoran/workspace/06.BSRseq/guo_BSR_pipline/ref/Zea_mays.Zm-B73-REFERENCE-NAM-5.0.60.gtf > transcript.stat
cat transcript.stat
转录本数量 (number): 72539
转录本总长度 (total_len): 390041762
平均转录本长度 (avg_len): 5376.99

功能注释

eggnog-mapper(http://eggnog-mapper.embl.de/) 进行 eggnog 数据库注释，需要注意的是在线版 eggnog-mapper 单次输入序列条数不能超 10 万条，如果序列条数超过 10 万条，需要进行切分。
提交

邮件中run
邮件查看结果

	准备好out.emapper.annotations
	蛋白序列Zea_mays.Zm-B73-REFERENCE-NAM-5.0.pep.all.fa
	srun -A 2022099 -p Debug -n 2 -N 1  Rscript  ../script/emcp/emapperx.R out.emapper.annotations Zea_mays.Zm-B73-REFERENCE-NAM-5.0.pep.all.fa