这个问题部分地解决了：
仍存在的"Error"可能与原核特殊的密码子使用、基因组存在gap区、snpEff的进一步参数选择有关。
那么我们完成了什么？假设你分离到了一株菌，是一种当前研究地少、或新发现的物种，NCBI也无参考基因组，那么：
① 需要从头组装；
②二代测序Reads太短，为了获得最大的contig或染色体，就可能需要加些三代测序数据；
③ 组装好了之后就要注释，获得能看得懂的基因名称(Symbol)，并很清楚地了解其功能、掌握其序列；
④ 这株菌肯定有其特殊之处(特殊性状)，不然你关注不到它，也就是说，同一个物种，你很可能有另一些菌株看起来非常普通，那么你就有了一个"A set of strains"。经过基因组的比较之后，就发现了目标菌株的一些特殊序列(例如：短的SNP/InDel，或长片段结构变异，无非就是这些)，那么你就需要知道这些"变异"的影响效应，比如：是否为错义突变、是否移码、是否为"高影响"，这时就需要用到snpEff等类似的程序(ANNOVAR大概率只能搞人的。因为我们根本不关心欧洲细菌的"人群"变异频率，细菌里还没有这个概念)，那么就需要用到基因组注释文件，如gff。
这样的研究(组装+遗传分析)具有很强的扩展性，因为从头测序和重测序分析都做了。细菌基因组很小，做这些工作至少从算力上看不在话下。
一个可以实现的有意思的目标是：我发现了一株新的、特殊的细菌，组装并注释了它，并发现其在xxx基因中存在的一段特殊序列，或一些SNP/InDel，具备了一种特殊的性状 (降解塑料、固氮、耐药、或致病)，可能具有重要的研究价值。
当然也可以做一些进化、溯源、代谢、毒力等分析，甚至用自己的名字给它命名，毕竟你把这个菌的所有序列都展示并注释了。
/10.1016/j.tube..10
往期精品(点击图片直达文字对应教程)
机器学习
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
