人工基因贯通区间注释与后果提取

更新：2026-10-14；状态：可用；验证范围：人工基因案例与实际工具输出核对；具体已测范围见正文。

用人工参考和三条转录本实际完成SnpEff构库、bedtools区间核对与按ALT提取后果。

下载和依赖

下载项目ZIP并解压，在含README.md与examples的根目录运行。进入目录见R与Python路径文件与项目组织。

基础脚本只用Python标准库；另需Java、SnpEff核心包与bedtools。先按SnpEff自建数据库与后果解析配置绝对路径SNPEFF_JAR，确认java -version和bedtools --version。以下适用Linux/macOS或WSL终端：

export SNPEFF_JAR="/你的实际绝对路径/snpEff.jar"
python3 examples/annotation_demo.py

非PATH工具用--bedtools "/你的路径/bedtools"或环境BEDTOOLS_BIN，Java可用JAVA_BIN。工具版本、代码与结果见维护记录。

固定输入与输出

examples/data/annotation/有1600bp人工参考、2个基因/3条转录本、CDS和蛋白真值、12条VCF记录（13个ALT），另有边界区间。所有输入均为人工生成，没有真实物种或功能结论。

输出为examples/output/annotation/，重复运行覆盖同名生成文件。可用--output指定新的独立目录；不要指向输入目录。脚本分build、annotate、intervals、report，只有输入及阶段校验值相符才生成报告。完整源码annotation_demo.py。

实际结果与反例

检查	预期且实际通过的结果
数据库序列核对	3条CDS、3条蛋白均OK，错误0
注释单位	12记录→21后果行，HIGH6行对应3个记录-ALT
多ALT	multi:T是HIGH；multi:A是MODERATE
转录本差异	325对txPlus1为missense，对txPlus2为intron
负链	996 G>A对应c.5C>T、p.Ala2Val
区间计数	gene9对；exon11对，仅7个不同记录
并列最近	两个基因均距离120，保留两者

本模型无UTR，构库出现相应提示；标准密码、phase0和短序列是教学限制。解析器不是任意GFF/VCF通用生产工具。

配图另需Matplotlib；按R包Python包与可复现环境建立项目.venv后执行.venv/bin/python examples/plot_annotation.py，图保存到examples/output/annotation-plots。基础注释无需绘图库。

自己怎么练习

先复制输入到独立目录，再用--input-dir指向副本。把protein.fa一条蛋白改错，构库应拒绝给出验证成功；仅改输入后直接跑report也应因校验值不一致拒绝旧结果。故意失败只在练习副本和独立输出目录进行。

继续用按基因转录本与后果提取变异解释表，再运行最小注释工作流与Snakemake恢复。