RepeatModeler 2.0.7 安装与使用--生信工具75
1. 简介
RepeatModeler 是一套从头（de novo）鉴定转座子（TE）家族并构建共有序列的软件包。它整合了多个互补的重复序列预测工具，自动完成重复序列识别、聚类、去冗余、精修与分类，最终生成可直接用于 RepeatMasker 注释、甚至可提交至 Dfam 数据库的高质量 TE 文库。
https://github.com/Dfam-consortium/RepeatModeler #官网核心组件
- RECON
- RepeatScout
- LtrHarvest / LTR_retriever（LTR 结构预测）
- 源码发布版本可在 GitHub Release 或官网下载：
- http://www.repeatmasker.org
2. 安装方式
RepeatModeler 支持两种安装方式：
- 源码编译安装（传统服务器）
- Dfam-TETools 容器（Docker/Singularity）（一键环境）
2.1 依赖（必须提前装好）
必选依赖
- Perl（≥5.8.8）
- RepeatMasker + 库文件（推荐 4.1.9+）
- RECON 1.08（patched 版本，支持 64 位）
- RepeatScout 1.0.7
- TRF（Tandem Repeat Finder，≥4.0.9）
- RMBlast（≥2.14.1，RepeatMasker 专用 blast）
- RepeatAfterMe（≥0.0.6，共有序列精修）
- UCSC 工具：
twoBitToFa、faToTwoBit、twoBitInfo
LTRStruct 可选依赖（强烈建议开启）
- GenomeTools / LtrHarvest（1.5.9，编译加
threads=yes） - LTR_retriever2.9.0（新版不兼容）
- MAFFT（≥7.505）
- CD-HIT（≥4.8.1）
- Ninja（0.98-cluster_only）
2.2 源码安装步骤
下载源码
GitHub：https://github.com/Dfam-consortium/RepeatModeler
官网：http://www.repeatmasker.org/RepeatModeler
解压
tar -zxvf RepeatModeler-xxx.tar.gz配置
perl ./configure按提示依次指定：
- RepeatMasker
- RECON
- RepeatScout
- TRF
- RMBlast
- LTR 相关工具（如启用 LTRStruct）
也可直接带参数配置：
perl ./configure -rscout_dir ... -recon_dir ...3. 使用
构建数据库（必须先做）
BuildDatabase -name elephant elephant.fa运行 RepeatModeler（推荐加 LTRStruct）
nohup RepeatModeler -database elephant \ -threads 20 \ -LTRStruct \ >& run.out &要点：
- 建议32G+ 内存、多核 CPU
- 大型基因组可能运行1–3 天
- 使用
nohup或screen避免断连 - 日志非常重要，用于断点续跑与 debug
4. 结果文件说明
运行成功后会生成三个关键文件：
elephant-families.fa # 最终TE共有序列文库（可直接给RepeatMasker用） elephant-families.stk # 种子比对文件（可提交Dfam） elephant-rmod.log # 运行日志临时目录（用于断点续跑）
RM_<PID>.<日期>/ ├── round-1/ ├── round-2/ ├── round-3/ ├── consensi.fa ├── families.stk └── index.html（可浏览器查看模型）断点续跑（崩溃后必备）
如果任务中断，无需重新开始：
RepeatModeler -recoverDir RM_xxx.xxx ...使用文库进行 RepeatMasker 注释
RepeatMasker -lib elephant-families.fa genome.fa重要注意事项（避坑指南）
RMBlast 会上报使用统计内网 / 无外网机器必须关闭：
export BLAST_USAGE_REPORT=false只适用于基因组组装，不适用于 reads软件会自动检查 N50，短序列无法运行。
必须单节点多线程，不支持分布式
不要分批跑再粗暴合并结果会造成大量冗余，影响注释质量。如需加大样本量，使用
-genomeSampleSizeMax。
运行速度参考（RepeatModeler 2.0.7 + 48 线程）
| 物种 | 基因组大小 | 运行时间 | 模型数量 |
|---|---|---|---|
| 果蝇 | 164 Mbp | 3h41m | 492 |
| 人类 | 3.1 Gbp | 21h26m | 810 |