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）
- 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。
- 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。
- 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。 - 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）。
- 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）
- 只到家族级别，给不出精确名称（ISAba1 这种）→ 必须配合 ISfinder BLAST 命名。
- 依赖 HMM 谱：高度退化、截短或全新家族的 IS 可能漏检或错分。
- ORF 预测依赖 FragGeneScan：严重退化的 IS 残迹可能漏掉。
- 计算量大（全基因组基因预测 + HMMER 扫描），比 BLAST 慢。
- 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。
- 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。
- 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）
- IS 命名金标准：官方命名中心，论文公认（ISAba1、ISAba16、ISAba25…）。
- BLAST 给出 identity/coverage，能精确判断”是哪个 IS”以及”完整拷贝还是片段”。
- 原理简单、结果直观，容易在论文里解释和审稿人认可。
- 最适合给 ISEScan 的预测结果或 Assemblytics 插入序列”命名”。
❌ 缺点（Nachteile）
- 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”。
- 只能检测”已知” IS：新颖或高度分歧的 IS 可能无命中或低 identity。
- 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。
- 多拷贝 IS 产生海量冗余命中，需人工过滤解读。
3. ISMapper
✅ 优点（Vorteile）
- 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。
- 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。
- 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。
- 适合多样本相对同一参考快速筛查”新插入位点”。
❌ 缺点（Nachteile）
- 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。
- 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。
- 工具老旧（2015），维护少，依赖（旧版 bowtie2 等）容易与现在的环境冲突。
- 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
- ISEScan 跑 4 个完整基因组（19606WT、ΔadeAB、ΔadeIJ、CP059040）→ 比较拷贝数/位置/家族；
- ISfinder BLAST 给 ISEScan 预测命名（
gffread提取序列后blastn）； - （可选）ISMapper 用短读长验证”突变株特有插入”候选；
- 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:
- FragGeneScan predicts proteins from your genome (or
--no-FragGeneScanuses a.gbkannotation). - HMMER (hmmsearch) scans those proteins against ISEScan’s internal transposase HMMs.
- 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
- 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 - Classifying Assemblytics insertions (the insertion/expansion calls you already have).
- 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.