antiSMASH — 细菌/真菌次级代谢产物生物合成基因簇检测工具¶

# 创建专用环境（antiSMASH 依赖复杂，强烈建议隔离）
conda create -n antismash python=3.10 -y
conda activate antismash

# 从 bioconda 安装 antiSMASH（当前版本 7.1.0）
conda install -c bioconda -c conda-forge antismash -y

# 下载数据库（必须步骤，约 4GB）
download-antismash-databases       # 自动下载所有必要数据库

# 验证安装
antismash --version               # 查看版本
antismash --check-prereqs         # 检查所有依赖是否完整

# 输入：基因组 fasta 或已注释的 GenBank 文件
# --taxon：生物分类（bacteria/fungi）
# --output-dir：输出目录
# --cpus：线程数
antismash \
    --taxon bacteria \
    --output-dir antismash_out/ \
    --cpus 16 \
    genome.gbk                    # 推荐用 GenBank 格式（含已有注释）
    # 或直接用 fasta（内部用 Prodigal 预测基因）
    # genome.fa

# 使用所有可用模块（最全面，速度较慢）
antismash \
    --taxon bacteria \
    --output-dir antismash_full_out/ \
    --cpus 16 \
    --genefinding-tool prodigal \  # 从头预测基因（输入为 fasta 时）
    --clusterhmmer \               # 更深入的 HMM 搜索
    --tigrfam \                    # TIGRFAM 数据库搜索
    --asf \                        # 活性位点预测
    --pfam2go \                    # Pfam 到 GO 映射
    --rre \                        # RiPP 识别元件检测
    --cc-mibig \                   # 与 MIBiG 数据库交叉比对（BGC 参考库）
    --cb-general \                 # 通用 BGC 比较
    prokka_out/sample.gbk

# 宏基因组模式：不强制要求完整基因组
antismash \
    --taxon bacteria \
    --output-dir antismash_meta_out/ \
    --cpus 16 \
    --allow-long-headers \         # 允许长序列头（宏基因组常见）
    --genefinding-tool prodigal-m \ # 宏基因组模式 Prodigal
    assembly.fa

ls antismash_out/
# index.html          — 交互式 HTML 可视化报告（主要查看入口）
# *.gbk               — 包含 BGC 注释的 GenBank 文件
# regions.js          — 区域信息（供 HTML 使用）
# knownclusterblast/  — 与已知 BGC 的比对结果
# subclusterblast/    — 子簇比对结果

# BGC 类型（antiSMASH 能识别的主要类型）
# NRPS               — 非核糖体肽合成酶
# PKS                — 聚酮合酶
# terpene            — 萜类
# RiPP               — 核糖体合成后修饰肽（含 lanthipeptide 等）
# bacteriocin        — 细菌素
# siderophore        — 铁载体
# other              — 其他

# 场景：扫描肠道菌 MAG 中的 BGC（寻找潜在抗生素和细菌素）

mkdir -p antismash_results

# 1. 先用 Prokka 注释 MAG（获取 GenBank 格式）
for bin in das_tool_bins/*.fa; do
    name=$(basename $bin .fa)
    prokka --outdir prokka_annot/${name}/ --prefix ${name} \
           --metagenome --cpus 8 --mincontiglen 500 ${bin}
done

# 2. 用 antiSMASH 检测 BGC
for gbk in prokka_annot/*/*.gbk; do
    name=$(basename $(dirname $gbk))
    antismash \
        --taxon bacteria \
        --output-dir antismash_results/${name}/ \
        --cpus 8 \
        --cc-mibig \
        ${gbk}
    echo "[完成] ${name} BGC 检测完毕"
done

# 3. 汇总各 MAG 中的 BGC 数量和类型
echo -e "MAG\tBGC_count\tBGC_types" > bgc_summary.tsv
for dir in antismash_results/*/; do
    name=$(basename $dir)
    # 从 JSON 或 GBK 提取 BGC 信息（简化示例）
    bgc_count=$(ls ${dir}*.region*.gbk 2>/dev/null | wc -l)
    echo -e "${name}\t${bgc_count}" >> bgc_summary.tsv
done
cat bgc_summary.tsv | sort -t$'\t' -k2 -rn  # 按 BGC 数量降序排列

# 下载数据库（一次性）
download-antismash-databases

# 细菌基因组 BGC 检测（GenBank 输入）
antismash --taxon bacteria --output-dir out/ --cpus 16 genome.gbk

# 从 FASTA 检测（自动预测基因）
antismash --taxon bacteria --output-dir out/ --cpus 16 --genefinding-tool prodigal genome.fa

# 完整分析模式
antismash --taxon bacteria --output-dir out/ --cpus 16 --cc-mibig --cb-general --asf genome.gbk