/share/work/biosoft/TransDecoder/latest/util/gff3_file_to_proteins.pl --gff3 $species.longest_isoform.gff3 --fasta $genome --seqType prot >$species.pep.fa
这一部分的分析，提取出来的蛋白序列与官方发布的蛋白序列有出入，而且U等氨基酸字母会直接被改成"*",例如：
用脚本提取的蛋白序列其中一个序列：
而在官网给的蛋白序列fa文件中，搜索这一条序列：
>ENSBTAP00000002107.8 pep primary_assembly:ARS-UCD1.2:10:91495432:91504569:-1 gene:ENSBTAG00000001605.8 transcript:ENSBTAT00000002107.8 gene_biotype:protein_coding transcript_biotype:protein_coding gene_symbol:DIO2 description:iodothyronine deiodinase 2 [Source:VGNC Symbol;Acc:VGNC:106710]
MGILSVDLLITLQILPVFFSNCLFLALYDSVILLKHVVLLLSRSKSTRGQWRRMLTSEGM
RCIWKSFLLDAYKQVKLGEDAPNSSVVHVSSPEGGDTSGNGAQEKTVDGTECHLLDFASP
ERPLVVNFGSATUPPFTNQLPAFSKLVEEFSSVADFLLVYIDEAHPSDGWAVPGDSSLFF
EVKKHRNQEDRCAAAHQLLERFSLPPQCRVVADRMDNNANVAYGVAFERVCIVQRQKIAY
LGGKGPFFYNLQEVRRWLEKNFSKRUKLD
这个问题怎么解决？
并且不只一个序列也不只一个基因组有这种情况
UAG与UGA在某些情况下也可以编码氨基酸。2007年，有研究发现UGA密码子许多硒蛋白的信使RNA中有硒半胱氨酸插入序列的存在，可以使与该序列相邻的UGA密码子编码硒半胱氨酸，而不作为终止密码子[17]，随后也有研究发现某些情况下，另一终止密码子UAG也可经由类似机制编码吡咯赖氨酸[18]。
可能是这个：gff3_file_to_proteins.pl 软件的bug，需要修改一下才行；
参考：https://zh.wikipedia.org/zh-hans/%E7%BB%88%E6%AD%A2%E5%AF%86%E7%A0%81%E5%AD%90
本bug已经在镜像中修复，大家重新下载镜像即可；
如果觉得我的回答对您有用，请随意打赏。你的支持将鼓励我继续创作！
老师您好，这个脚本应该是直接封装在沙箱里了。我应该怎么改或者从哪里改？这个是我的知识盲区，或者您是否可以直接提供改好的版本。麻烦您。
