BRAKER 基因预测：BRAKER3、AUGUSTUS、GeneMark 和真核基因组注释

BRAKER 在基因组注释流程中的位置

BRAKER 是一个面向真核基因组的蛋白编码基因结构预测流程。它的核心任务是从基因组序列中识别可能的基因结构，包括外显子、内含子、编码序列和预测蛋白。

在医学科研中，BRAKER 主要服务于上游组学研究，而不是临床诊断。研究者通常在完成基因组组装、去污染、重复序列处理和基础质量评估后，再使用 BRAKER 生成初版结构注释。

BRAKER 常与 GeneMark、AUGUSTUS、RNA-seq 比对结果和蛋白同源证据配合使用。可以把它理解为结构注释流程中的自动化环节，用来减少手工训练、文件转换和多软件衔接的工作量。

需要强调的是，BRAKER 输出的是结构预测，不是功能注释。它可以提示哪些位置可能存在蛋白编码基因，但不能直接说明这些基因是否致病、是否耐药或是否可作为治疗靶点。

适合的医学科研场景

BRAKER 与临床医学的关系主要体现在病原体、媒介生物和非模式生物的基因组研究。对于新测序的医学相关真菌、寄生虫或节肢动物，往往没有高质量参考注释，此时 BRAKER 可以提供初版蛋白编码基因集。

例如，在机会致病真菌研究中，团队可能希望筛选转运蛋白、细胞壁相关蛋白、代谢酶或潜在毒力因子。BRAKER 生成的蛋白集合可以作为 InterProScan、eggNOG-mapper、BLAST 和 KEGG/GO 注释的输入。

在寄生虫或媒介昆虫研究中，BRAKER 可用于建立多个物种或多个株系的统一基因预测结果。这样有助于后续同源基因聚类、基因家族扩张、选择压力分析和候选抗原筛选。

对于医学相关非模式模型生物，例如感染模型、毒理模型或环境暴露研究对象，BRAKER 可帮助构建 GFF/GTF 和蛋白 FASTA，为 RNA-seq 定量、差异表达和功能富集提供参考基因集。

• 真核病原体研究：为真菌、寄生虫等物种建立蛋白编码基因集，用于耐药、毒力和宿主互作分析。
• 比较基因组：对多个近缘真核物种采用相近流程预测基因，减少不同注释来源导致的系统差异。
• 非模式生物组学：为缺乏参考注释的医学相关模型生物建立初版 GFF/GTF、CDS 和蛋白序列。
• 转录组辅助注释：利用 RNA-seq BAM 证据改善外显子边界和基因模型训练。

不适合的情况

BRAKER 不适合细菌、古菌和多数病毒基因组注释。原核生物基因结构与真核生物不同，通常应优先考虑 Prokka、Bakta、NCBI PGAP 或病毒专用注释流程。

它也不适合直接用于人类临床变异解读、肿瘤突变报告、药物基因组学报告或影像 AI 分析。BRAKER 的输出不能作为患者诊断、分型或用药建议的依据。

如果项目只有表达矩阵、单细胞转录组数据、宏基因组分类结果或已有人类参考基因组注释，BRAKER 通常不是合适入口。此类问题应选择差异表达、单细胞分析、宏基因组分类或临床变异注释工具。

对于组装质量较差、污染明显或重复序列未处理的基因组，直接运行 BRAKER 可能得到数量异常、结构破碎或假阳性较多的基因模型。此时应先回到组装和质控环节。

输入数据与证据选择

BRAKER 的基本输入通常包括真核基因组 FASTA 文件。根据项目条件，还可以加入 RNA-seq 比对生成的 BAM 文件，或来自近缘物种、公共数据库的蛋白序列证据。

RNA-seq 证据适合用于改善外显子、内含子和剪接边界，尤其是在研究对象缺乏成熟训练模型时更有价值。用于 BRAKER 前，RNA-seq reads 应完成质控、去接头、比对和排序索引。

蛋白证据适合没有本物种转录组数据，但存在近缘物种或同类群蛋白序列的项目。证据来源应尽量可信，避免混入远缘或污染来源序列，否则可能影响基因模型判断。

在医学病原体项目中，建议同时记录样本来源、测序平台、组装版本、证据数据版本和运行参数。后续论文审稿或重复分析时，这些信息往往比单次运行结果更重要。

结果质控与下游分析

BRAKER 常见输出包括 GFF/GTF 注释文件、预测蛋白 FASTA、CDS 序列和运行日志。研究者不应只看是否生成文件，而应检查基因数量、平均基因长度、内含子分布和异常短蛋白比例。

BUSCO 常用于评估基因集完整性，但 BUSCO 结果不能单独证明注释可靠。建议结合组装 BUSCO、蛋白同源注释比例、RNA-seq 支持情况和人工抽样查看，综合判断结果是否可用于论文。

对于候选毒力因子、耐药相关基因或宿主互作蛋白，BRAKER 只能提供候选蛋白序列。是否具有相关功能，需要进一步结合结构域、同源基因、表达变化、系统发育分析和实验验证。

如果研究涉及多个物种或多个菌株，最好使用一致的输入处理和参数策略。这样可以减少因为注释流程不同而导致的基因数量差异，从而提高比较基因组结论的可解释性。

安装、复现与数据合规

BRAKER 是命令行工具，对 Linux、软件依赖、环境变量和文件路径管理有要求。GeneMark、AUGUSTUS、ProtHint、SAMtools 等依赖的安装方式和版本要求应以官方 GitHub 文档为准。

对于医学研究生和临床团队，建议在机构 HPC、实验室服务器或可审计的云环境中运行，并把命令、软件版本、输入文件校验值和输出目录结构写入分析记录。

BRAKER 通常在本地或集群运行，工具本身不会自动上传基因组或 RNA-seq 数据。若样本来自患者相关材料、未发表病原体或敏感地区采样，应遵守伦理审批、数据使用协议和机构安全要求。

实用判断：如果你的问题是“这个真核非模式生物基因组里有哪些蛋白编码基因”，BRAKER 可能合适；如果问题是“这个患者突变是否致病”或“这张影像是否提示疾病”，BRAKER 不是合适工具。

与常见替代工具的区别

MAKER 更偏完整注释框架，适合需要多轮整合从头预测、转录本、蛋白同源和人工修订的项目。它的灵活性较高，但流程设计和维护成本也可能更高。

AUGUSTUS 和 GeneMark 可以独立用于基因预测，也常作为 BRAKER 背后的关键组件。对于希望精细控制训练模型和参数的生信研究者，直接使用这些工具可能更灵活。

Funannotate 在真菌基因组项目中较常见，覆盖结构注释、功能注释和部分质控步骤。若研究对象主要是真菌，并希望流程覆盖更多下游注释环节，可以把它作为对照方案评估。