ChIP-Seq 데이터를 기반으로 일반 인핸서와 슈퍼 인핸서를 구분하는 도구임. 가까운 인핸서를 스티칭하고 신호 세기를 기준으로 랭킹하여 세포 정체성과 관련된 조절 요소를 찾는 데 활용됨.

특정 종의 예측 정확도를 높이기 위해 파라미터를 반복적으로 조정하는 최적화 스크립트임. 여러 차례 설정을 변경하고 성능을 평가하면서 점진적으로 모델 품질을 개선하며, 이를 통해 해당 종의 유전체에 특화된 더 정확한 예측 결과를 제공함

새로운 종에 대해 학습을 시작할 수 있도록 디렉터리와 파라미터 템플릿을 생성하는 스크립트임. 이를 통해 연구자는 해당 종의 유전체 특성에 맞는 맞춤형 모델을 구축할 수 있으며, 이후 보다 정확한 유전자 예측을 수행하는 기반을 마련함

학습 데이터를 무작위로 분할하여 교차 검증에 사용하는 스크립트임. 학습용과 테스트용 데이터를 분리해 모델의 성능을 객관적으로 평가할 수 있으며, 과적합을 방지하고 파라미터 최적화 과정에서 활용됨

여러 개의 AUGUSTUS 예측 결과 파일을 하나의 통합 파일로 병합하는 스크립트임. 유전체를 분할하여 별도로 분석한 결과를 합쳐 최종적으로 일관된 annotation 세트를 구성하는 데 사용되며, 전체 유전체 수준의 분석에 유용함

예측된 유전자 모델을 길이, 구조적 완전성, 다른 feature와의 겹침 여부에 따라 필터링하는 스크립트임. 이 과정을 통해 낮은 품질의 예측을 제거하고, 생물학적으로 의미 있는 모델만 남겨 downstream 분석의 정확성과 신뢰성을 높일 수 있음

AUGUSTUS의 GFF 출력에서 CDS, 단백질, DNA 서열을 추출하는 스크립트임. 추출된 결과는 FASTA 형식으로 변환되어 downstream 분석, 기능 연구, 종 간 비교 유전체학 등 다양한 후속 연구에 활용 가능함

GTF 형식 annotation을 GFF 형식으로 변환하는 스크립트임. GFF는 AUGUSTUS와 다양한 분석 툴에서 요구되는 표준 형식으로, 변환 과정을 통해 입력 데이터를 예측 파이프라인에 맞추고 호환성을 높일 수 있음

alignment 데이터를 전처리하여 AUGUSTUS 파이프라인에서 활용할 수 있도록 포맷을 정리함

단백질 프로파일 또는 정렬 간의 유사도를 계산하여 비교 annotation에 활용함

예측 결과를 SQLite 데이터베이스에 로드하여 간단한 환경에서 활용 가능함

예측 결과를 MySQL이나 Postgres 데이터베이스에 로드하여 저장과 검색을 지원함

여러 스캐폴드 또는 증거 소스의 예측 결과를 통합하여 종합적인 유전자 모델을 생성함

상동성을 기반으로 예측된 유전자를 다른 종이나 어셈블리에 매핑함

데이터베이스 또는 레퍼런스에서 유전체 서열을 추출하여 FASTA 형식으로 제공함

BAM 정렬을 매핑 퀄리티나 스플라이스 리드 조건에 따라 필터링함

유전체 간 synteny 블록을 검색하여 상동성 기반 예측에 활용함

알려진 유전자 모델을 이용해 파라미터를 학습하는 프로그램으로 새로운 species 설정 시 필수임

증거 데이터에서 스플라이스 후보 지점을 추출하여 힌트 기반 예측을 보조함

BAM 파일을 WIG 포맷으로 변환하여 read depth와 coverage 확인에 활용함

RNA-Seq BAM 정렬에서 인트론과 엑손 경계 힌트를 생성하여 예측 정확도를 높이는 데 사용함

- 메인 유전자 예측 프로그램 - 엑손, 인트론, UTR 등 구조 예측 - species 모델 및 힌트 파일 사용 가능

정렬 데이터를 WIG 포맷으로 변환하여 커버리지 시각화에 활용함

RNA-Seq, 단백질 서열, 기존 유전자 구조 정보를 통합적으로 활용해 유전체 상의 유전자를 정확히 예측하고 주석화하는 데 사용되는 고정밀 자동 예측 파이프라인.

RNA-seq 기반의 스플라이싱 정보와 단백질 서열 정보를 통합하여 학습 없이 유전체 내 유전자 구조를 자동으로 예측하고 주석하는 비지도 유전자 예측 파이프라인.

히든 마르코프 모델 기반 알고리즘을 활용해 복잡한 진핵 유전체 내 유전자 구조를 정밀 예측하고 CDS, UTR, 엑손 등의 전사 영역을 식별하는 유전자 예측 도구.