Daily Archives: 2026年8月12日

ISEScan 负责”发现和定位”，ISfinder 负责”命名”，ISMapper 负责”用原始读长验证

Leave a reply

IS 元件鉴定工具的优缺点（Vorteile & Nachteile）详解

先明确这三类工具的定位分工，再逐个分析：

工具 类型 输入 核心产出
ISEScan 从头（de novo）结构预测 组装好的基因组 IS 坐标、家族、完整性、TIR/TSD
ISfinder + BLAST 数据库比对命名 组装/插入序列 精确 IS 名称（ISAba1 等）、同源性
ISMapper 短读长 junction 检测 短读长 + 参考 + IS fasta 相对参考的新插入位点
MobileElementFinder 一站式 MGE 注释 组装 多种移动元件（含 IS）注释

1. ISEScan

✅ 优点（Vorteile）

  1. 不依赖参考数据库（de novo）：基于 HMM 谱 + FragGeneScan 预测转座酶，能发现 ISfinder 里没有的、新的或高度分歧的 IS。
  2. 提供完整结构注释：转座酶 ORF、末端反向重复（TIR）、靶位重复（TSD）、家族分类（IS3/IS4/IS5/IS30/IS110/IS256/Tn3…），这是其他工具给不了的。
  3. 能区分完整 vs 不完整 IS（--removeShortIS），对判断”该 IS 是否还有转座活性”非常有价值。
  4. 输出坐标和链向（GFF3），可直接做比较基因组学——正是你的核心需求（WT vs 突变株比较 IS 拷贝数和插入位置）。
  5. 与你的长读长完整基因组是绝配：你的组装是环状完整的，IS 不会被 contig 边界截断，预测结果最完整、最可靠。

❌ 缺点（Nachteile）

  1. 只到家族级别，给不出精确名称（ISAba1 这种）→ 必须配合 ISfinder BLAST 命名。
  2. 依赖 HMM 谱：高度退化、截短或全新家族的 IS 可能漏检或错分。
  3. ORF 预测依赖 FragGeneScan：严重退化的 IS 残迹可能漏掉。
  4. 计算量大（全基因组基因预测 + HMMER 扫描），比 BLAST 慢。
  5. 在短读长 draft 组装上效果差：contig 末端的 IS 会被预测成”不完整”，产生假阳性残迹。
  6. 假阳性风险：某些”驯化”转座酶或其他 MGE 的转座酶基因可能被误注为 IS。
  7. 安装/用户体验坑：conda 包不创建 PATH wrapper（你遇到的 isescan.sh: command not found），新版 CLI 改成 --seqfile/--output，与网上旧教程不一致。

2. ISfinder + BLAST

✅ 优点（Vorteile）

  1. IS 命名金标准：官方命名中心，论文公认（ISAba1、ISAba16、ISAba25…）。
  2. BLAST 给出 identity/coverage，能精确判断”是哪个 IS”以及”完整拷贝还是片段”。
  3. 原理简单、结果直观，容易在论文里解释和审稿人认可。
  4. 最适合给 ISEScan 的预测结果或 Assemblytics 插入序列”命名”。

❌ 缺点（Nachteile）

  1. 数据库老化：核心论文是 2006 年，网站维护慢、下载链接常失效（你亲身遇到），近年论文也明确批评”数据库无法完整直接下载、缺乏与下游工具的整合”。
  2. 只能检测”已知” IS：新颖或高度分歧的 IS 可能无命中或低 identity。
  3. 只有相似性，没有结构信息（无 TIR/TSD），不能判断完整性和精确边界。
  4. 多拷贝 IS 产生海量冗余命中，需人工过滤解读。

3. ISMapper

✅ 优点（Vorteile）

  1. 直接用短读长、无需组装：通过 soft-clip 读长识别 IS 的左/右插入 junction。
  2. junction 读长是”实验证据”：能证明插入真实存在于原始数据中，不是组装假象——这是它最大的价值。
  3. 绕开短读长组装的致命弱点： identical 多拷贝 IS 在组装里会塌缩，但 ISMapper 不做组装、只看 junction，反而能检测。
  4. 适合多样本相对同一参考快速筛查”新插入位点”。

❌ 缺点（Nachteile）

  1. 参考和数据库双依赖：只能检测你提供的 insert FASTA 里的 IS，且只给出相对参考的差异，不能 de novo 发现新 IS，也不能给出全基因组 IS 清单 → 不能替代 ISEScan。
  2. 短读长局限：重复区域比对不唯一，junction 可能错配；插入到相同 IS 拷贝内部时难以分辨。
  3. 工具老旧（2015），维护少，依赖（旧版 bowtie2 等）容易与现在的环境冲突。
  4. 假阳性率较高，候选位点必须用 IGV 人工确认。

4. MobileElementFinder（备选）

  • 优点：一站式注释多种 MGE（IS、转座子、整合子、质粒复制子），数据库自带（含 ISfinder 内容），绕开 ISfinder 下载问题；AMR 场景常用。
  • 缺点：广而不深——IS 结构分辨率不如 ISEScan（无 TIR/TSD）；数据库驱动，漏掉新元件；安装和数据库较重。

📊 总结对比表

工具 能否发现新 IS 结构信息 (TIR/TSD) 精确命名 全基因组清单 最佳用途
ISEScan ✅ ✅ ❌（家族级） ✅ 核心：IS 清单 + 菌株间比较
ISfinder BLAST ❌ ❌ ✅ ❌ 命名与分类
ISMapper ❌ ❌ 部分 ❌（只给差异） 验证新插入 junction
MobileElementFinder ❌ ❌ ✅ ✅ 一站式 MGE/AMR 注释

🎯 推荐组合

  1. ISEScan 跑 4 个完整基因组（19606WT、ΔadeAB、ΔadeIJ、CP059040）→ 比较拷贝数/位置/家族；
  2. ISfinder BLAST 给 ISEScan 预测命名（gffread 提取序列后 blastn）；
  3. （可选）ISMapper 用短读长验证”突变株特有插入”候选；
  4. 结论逻辑：WT 与突变株 IS 清单完全一致 → 敲除过程中无 IS 转座；若出现突变株特有插入 → 用 ISEScan + BLAST + ISMapper + IGV 四重证据确认。

一句话总结：ISEScan 负责”发现和定位”，ISfinder 负责”命名”，ISMapper 负责”用原始读长验证”——三者互补，缺一不可单独给出完整答案。

No — isescan.py does not use the ISfinder-sequences files at all. ISEScan is self-contained: it ships its own bundled HMM database (transposase profiles for each IS family) and works like this:

  1. FragGeneScan predicts proteins from your genome (or --no-FragGeneScan uses a .gbk annotation).
  2. HMMER (hmmsearch) scans those proteins against ISEScan’s internal transposase HMMs.
  3. It then calls ORFs, detects terminal inverted repeats (TIRs), and reports family-level IS copies (IS3, IS4, IS5, IS30, IS110, IS256, Tn3, …) with coordinates.

So the IS.fna BLAST database you built is a separate, complementary resource, not an input to ISEScan.

Division of labor

Resource Used by Gives you
ISEScan internal HMM db isescan.py IS coordinates, family, ORF, TIRs (e.g., “IS30 family at 1.84 Mb”)
ISfinder-sequences/IS.fna (your BLAST db) blastn, ISMapper Exact IS names (ISAba1, ISAba16, ISAba25…) + short-read junction support

Where IS.fna is still essential in your pipeline

  1. Naming the ISEScan predictions — extract each predicted IS and BLAST it for the exact name: 
    gffread -g 19606WT_polypolished.fasta -x 19606WT_is_seqs.fa isescan_19606WT/*.gff
blastn -query 19606WT_is_seqs.fa -db IS.fna -evalue 1e-20 \
  -outfmt "6 qseqid sseqid pident length stitle" -max_target_seqs 1 \
  -out 19606WT_is_names.tsv
  2. Classifying Assemblytics insertions (the insertion/expansion calls you already have).
  3. ISMapper (-inserts IS.fna) for short-read junction confirmation.

Bottom line: run ISEScan as-is (it needs nothing from ISfinder-sequences), then use your IS.fna BLAST db afterwards to convert ISEScan’s family-level calls into precise IS nomenclature for the paper.