IGV-Gene Structure Annotation Manual Editor，簡稱IGV-GSAme
寫在前面
igv是目前最常用的本地基因組瀏覽器，與其開發的目標類似，用于整合各種類別的高通量測序數據。當然，他的功能不可能覆蓋到高通量測序數據分析的方方面面。在很久以前，我們改造并正式推出了「IGV-sRNA」。這個瀏覽器的幫助下，我們進一步完善了小RNA預測流程和判斷標準，同時也極大地提高了全基因組小RNA鑒定的速度以及質量【拒絕反駁！】。
小RNA的事情已經告一段落，課題組的分析重點開始覆蓋到基因組分析。那么會涉及到兩個問題：一是基因組組裝效果如何？二是基因結構注釋效果如何？。兩者都會影響到后續基因組分析的正確與否。
其中，對于下游用戶，往往基因結構注釋影響更大，畢竟多數人的研究還是一個到數個基因上。從最常見的轉錄組數據分析來說，錯誤的基因結構注釋，只能讓你得到錯誤的表達量估計，更不談差異表達基因。當然，基因結構注釋還影響到比較基因組等諸多方面的工作開展。
這是為什么我在前述寫過一篇推文，大體題目是《矯正基因結構注釋 - 做良心的基因家族分析》。
本次，我沒有放出錯誤基因結構注釋的效果圖
因為我已經明白，我們不需要讓所有人都知道；因為知道的和想知道的都會知道，剩余的人則不需要知道。
為什么基因結構注釋總是存在問題？
無解！生物學是復雜的，而算法的覆蓋總是有限的。在完美的算法都可能會存在或多或少的問題。在這種情況下，人工觀測并進行校正，可能是最好的方式。
如何進行人工結構注釋矯正
目前得到評價最好的只有一款軟件「Apollo」，即「Web Apollo」和「Apollo」。這款軟件改造于JBrowse改造的，所以是一個網頁端的工具。從其論文來看，前端Js，后端sql。一旦涉及到數據庫，那么就注定了這款軟件存在安裝難度。
雖然我開始認為，軟件難以安裝，可以從某種層面上篩選掉多數用戶，從而使得軟件最終使用者多數為能夠并愿意折騰的。或者說，我以前應該是做錯了，不應該通過開發軟件來降低分析門檻，因為對于多數人來說，可能不要自己進行分析，而是通過科研服務或者課題合作來完成分析項目，是更好的方法？
不過無論如何，我錯了，那么是相對于我開發的軟件的一部分用戶而言的，對我自身來說，或者是磨煉技能，或者是挑戰自我能力極限，或者是制作一把更好用的斧頭，所以我自身并沒有錯。
前述，我再次修改了IGV，做了一次間接的支持，使得用戶可以通過自定義的區間，導出一個bed文件并轉化為gff3文件。這個功能當然能用，但是他存在一些問題：
- IGV的「Region Of Interest」工具選擇區間后，無法調整起始或終止坐標
- 區間結果需要導出再導入，才能看到效果
- 對于已有的注釋信息，不能直接人工調整，只能從頭制備一個基因結構注釋
- 更新的注釋信息，需要后續人為替換原始gff3文件信息
當然，問題還有很多。在推出這個功能之后，課題組提議，安裝Apollo。主要的觀點是，改造后的IGV用起來不夠靈活。其實，我是贊同安裝Apollo的，畢竟這是一款實用無差評的工具【當然安裝就不提了...】。所以我是推薦安裝，并希望由師弟去安裝，從某種角度來說，這是一個鍛煉機會；從另一個角度來說，我也完全沒把握能夠在一兩天內安裝上，即使Apollo其實有docker鏡像。
無論如何，這個安裝的事情已經明確地安排給一個師弟了，這當然也是我個人的期望之一。但是我仍然不認為我改造的IGV會不夠靈活。很快，我花了大半個晚上，重新閱讀了IGV的一些實現邏輯，做了一次簡單的調整，支持了鼠標拖拽調整ROI。
支持了ROI拖拽，事實上，解決了一個比較大的痛點。師弟師妹用起來也挺開心的。于是他們用去矯正了一些基因結構，目前沒發現問題。原本我是計劃到此為止。但是，問題來了！我自己也要矯正一批基因結構注釋，第一點解決了，但是第二點，第三點，第四點是讓我崩潰的事情。我并不是一個喜歡機械性重復工作的人。
使用不夠好用的工具，我不會覺得開心。于是，我計劃用兩天的時間，做最后一次嘗試，直接修改IGV，至少解決剩余的三個問題。
兩天之后的晚上，我發現我失敗了！不僅如此，我開始懷疑我一開始的決定，我從一開始就不應該直接改IGV的已有的Track，而應該重新設計一個Track....
但是兩天已經過去了，我已經決定放棄。但還是厚顏無恥地再堅持了一天。也終于，在第三天的晚上，我達成了所有的目標。改造后的IGV，能做的事情比較多。于是我給他取了一個新的名字，這個就叫做IGV-Gene Structure Annotation Manual Editor，簡稱IGV-GSAme。
IGV-GSAme的特性
所有的功能直接在 IGV 的 GFF3 Track中支持，人工矯正基因結構注釋，所見即所得！
1. 調整外顯子的長度
2. 刪除錯誤的外顯子
在這個操作之后，其實CDS已經有變化，所以我們需要重新預測CDS
3. 原地重新預測CDS
重新預測CDS的時候，我們會發現第一個CDS相比于原來的有一點點的左移，因為那個才是整整的ATG。我們可以點擊一下CDS，然后黏貼對應的CDS到TAIR數據庫，BlastX就會發現，矯正后的才是完全正確的基因。矯正前的是過度拼接或者錯誤注釋。
4. 刪除錯誤注釋的轉錄本
** 5. 添加缺失的外顯子**
** 6. 添加新的轉錄本**
有時候，直接是基因沒被注釋出來，于是，我們要添加船新的轉錄本。
經過一份修飾，比如拖拽外顯子，添加外顯子，對齊剪切邊界等等
我們終于得到了新的轉錄本結構。可以進行Blast確定其是否有可能是編碼基因。確定之后，我們可以原地預測CDS。
點擊一下這個CDS，隨后跟已知基因進行比對。
于是，可以確定這是一個真實存在的編碼基因。
7. 導出人工修正后的GFF3文件
導出的GFF3，是調整之后的gff3完全版。這意味著，你在IGV中看到的是什么，那么你得到的GFF3文件內容就有什么。或者應該說，是真正意義上的所見即所得。
我們可以重新導入原始的GFF3文件，和導出剛才導出的GFF3文件，做一下對比
寫在后面
寫完這個功能。感觸比較深：
- IGV設計邏輯，必然久經考驗，當然源碼中不乏有"I don't why..."或者"It shouldn't happen..."等類似的注釋，可見coding的人的痛苦
- IGV當然強大，但仍然存在不少可優化的空間
- 支持人工矯正注釋的操作，應該直接理解邏輯后新設計一個Track，而不是在已有的Feature Track上進行修改，因為這樣確實不是一個優雅或者說最有效的方式。
- 不爽，堅持，失敗，放棄？再堅持一會，放棄？再堅持一會。于是在超時一天之后，我還是在錯誤的路子上實現了自己想要的效果。效果是一樣的，誰會真正去在意你的實現方式？
最后，繼續祝各位科研順利。
