perl模块中的Formatdb错误消息

Question

我使用的是Unus，这是一个用于系统基因组分析的Perl包。在此包中，使用了blast-2.2.25，因为该包使用了formatdb程序，如下所示：

if ( ( grep { $self->{'program'} eq $_ } qw(blastn tblastx tblastn) )
    && !( -e $self->{'db'} . ".nin" || -e $self->{'db'} . ".nal" ) )
{
    system( $self->{'formatdb'}, '-i', $self->{'db'}, '-o', 'T', '-p', 'F' ) == 0
      or LOGDIE "Error running formatdb: $!";

}
elsif ( ( grep { $self->{'program'} eq $_ } qw(blastp blastx) )
    && !( -e $self->{'db'} . ".pin" || -e $self->{'db'} . ".pal" ) )
{
    system( $self->{'formatdb'}, '-i', $self->{'db'}, '-o', 'T', '-p', 'T' ) == 0
      or LOGDIE "Error running formatdb: $!";
}

但是，有一条持续不断的错误消息正在阻止Unus。

[formatdb] WARNING: Cannot add sequence number 6 (lcl|XamC:6) because it has zero-length.
[formatdb] WARNING: Cannot add sequence number 1 (lcl|Xam_:1) because it has zero-length.
[formatdb] FATAL ERROR: Fatal error when adding sequence to BLAST database.
[formatdb] WARNING: Cannot add sequence number 41 (lcl|Xamc:41) because it has zero-length.
[formatdb] FATAL ERROR: Fatal error when adding sequence to BLAST database.
[formatdb] WARNING: Cannot add sequence number 7 (lcl|XamF:7) because it has zero-length.
[formatdb] WARNING: Cannot add sequence number 144 (lcl|Xam0:144) because it has zero-length.

我检查了序列，它们没有零长度。Unus与27个黄单胞菌​的基因组一起运行。在使用glimmer3中的提取程序后，还获得了输入序列。输入序列的示例如下：

> orf00002  3568 4905  len=1338
GTGATTGTTTTTAAAGGAAATTTAGGGGCCGAAACCCTGTGTTTACCGCCCTGTTTTCTC
ACAAACAAGCTGTGGATAAGCGAAAGCACCTCCACAGGCCCTATTTTTATCCACATGTTA
TCCCCTGCCTGTCCGGTCATTCCTGGCGGCCATGTCTGCACGGTTTCATGCCGATCCCGT
ATCCTTCGAACCGACCGGCATGCCGGATTACAGCCCAGAGCACACCGATCGATGCATGTA
GTGCGGTTGTCCATTCATCGGCTTCGTCGGTTTCAAACCGTCGAGCTTCATCCCTCCAGT
GCCTTGAATCTGCTGACCGGCGACAACGGCGCGGGCAAGACCAGCGTGCTCGAAGCGCTA
CACCTGATGGCTTACGGCCGCAGCTTCCGCGGGCGCGTCCGCGACGGCCTGATCCAACAA
GGCGCCAACGACCTCGAAGTGTTCGTGGAGTGGAAAGAAGGCGGCGGCGCTGCGGTCGAG
CGGACGCGTCGGGCTGGCTTGCGTCATAGCGGGCAGGAATGGACAGGGCGCCTGGACGGG
GAAGACGTGGCGCAGCTTGGCTCTCTTTGCGCTGCGCTGGCAGTGGTGACGTTCGAGCCC
GGCAGCCACGTATTGATCAGTGGCGGTGGTGAACCCCGCCGCCGTTTTCTGGATTGGGGC
CTGTTCCACGTGGAACCCGATTTTCTAACCTTGTGGCGCCGCTATGCGCGAGCCCTCAAA

>orf00004  5020 7464  len=2445
ATGACCGACGAACAAAACACCCCGCCAACACCCAACGGCACCTACGACTCCAGCAAGATC
ACCGTGCTGCGTGGCCTGGAAGCCGTCCGCAAGCGTCCCGGCATGTATATCGGCGACGTC
CATGACGGCACCGGCCTGCATCACATGGTGTTCGAGGTGGTCGACAACTCGGTCGACGAA
GCCCTTGCCGGGCATGCCGACGACATCGTGGTAAAAATCCTGGCCGATGGCTCGGTGGCG
GTCTCCGACAACGGGCGCGGCGTGCCGGTCGACATCCACAAGGAAGAAGGCGTGTCGGCG
GCCGAGGTGATCCTCACCGTGCTCCACGCCGGCGGCAAGTTCGACGACAACAGCTACAAG
GTCTCCGGCGGCCTGCACGGCGTTGGCGTCTCGGTGGTCAACGCGTTGTCAGAGCACCTG
TGGCTGGATATCTGGCGCGACGGCTTCCACTACCAGCAGGAATACGCGCTGGGCGAGCCG
CAGTACCCGCTCAAGCAGCTGGAAGCCTCGACCAAGCGCGGTACCACGCTGCGCTTCAAG
CCGTCCGTGGCCATCTTCAGCGACGTCGAGTTCCATTACGACATCCTGGCGCGGCGCCTG
CGCGAGCTGTCCTTCCTCAATTCTGGCGTCAAGATCACCTTGATCGACGAGCGCGGCGAA
GGCCGTCGCGACGATTTCCATTACGAAGGCGGCATCCGCAGCTTCGTGGAGCATCTGGCG
CAGCTGAAGTCGCCGCTGCACCCGAATGTGATCTCGGTGACCGGCGAGCACAACGGCATC
ATGGTGGACGTGGCCCTGCAATGGACCGACGCCTACCAGGAAACCATGTACTGCTTCACC

我能做些什么来解决这个问题呢?或者我应该更改部分代码，其中Unus使用的是formatdb？最后，我之前使用了带有4个志贺菌基因组的Unus，它没有这个问题。

Answer 1

该错误看起来似乎是来自于formatdb本身，而不是Unus，因此修改Unus可能没有帮助。尽管fasta文件在表面上看起来很好，但formatdb说它对此并不满意。

一个可能的问题是在您的第一个示例fasta序列中。">“和"orf00002”之间不应该有空格。这可能是导致错误的潜在原因。

如果不是，请尝试检查fasta文件中的特殊字符，特别是Unix/Windows/Mac行结尾，或者其他一些格式兼容性问题。Notepad++有助于揭示原本不可见的特殊字符。

如果您找不到任何明显的问题，请尝试创建一个只包含一个或两个fasta序列的小型数据库，直到它正常工作，然后再添加其他序列。

关于特殊字符，如果在检查/修改您可以找到的内容后，formatdb仍然报告，请考虑检查字符编码问题。这曾经在我的blastn身上发生过。在我的(复制/粘贴)命令中，我有一个"o“字符，对我来说，它看起来就像一个普通的"o”字符，但是blastn拒绝工作，直到我用键盘生成的"o“替换它。事实证明，复制的字符是用Unicode或ANSI编码的(不要回忆)，blastn或bash无法处理它。