# 参考基因组配置文件
# 全部填写文件名；所有文件放到同一个文件夹下；；脚本会给一个输入路径参数；；脚本运行DNA和GTF会被move到输出目录下（这样设计是扬子网络不稳定；下载数据有问题；需要在245或药谷下载数据；然后传到扬子）
# 目前有NCBI ;ensembl 和只有结构注释文件的参考基因组整理；其他网站的需要整理出如下的配置文件信息；比如jgi的会有数据库包含一些基因注释 
## 物种拉丁名（NCBI 官方名称） 空格用_代替
latin_name=Homo_sapiens
## NCBI 官方物种ID ;可以使用这个工具查询:taxonkit name2taxid；没有写none
## 示例命令"echo Homo_sapiens |sed 's/_/ /g' |/Business/psn_company/t04/hudabang/bin/yaogu/bin/taxonkit name2taxid --data-dir /Business/psn_company/t04/.taxonkit/" 
taxid=9606

## 基因组链接
url=

## 基因组版本
version=

## 基因组序列文件
dna_fasta=

## 基因组结构注释文件；需要整理成类似ensembl的格式；需要添加 gene_biotype "protein_coding" 信息 
gtf=

## cds或蛋白序列文件；>gene_id 序列title需要替换成基因id  
fasta=

## CDS or proteins
fasta_type=

## uniprot_fasta ;GO注释没有的时候比对本物种自己的uniprot；没有写none
uniprot_fasta=
## uniprot 该物种对应的GO注释信息；没有写none
uniprot_tsv=

## 包含所有ID的表格；第一列：gtf里的gene_id；第二列 gtf里的locus_tag；第三列 gtf 里的 old_locus_tag；第四列：NCBI的entry_id 第五列：gtf里的蛋白protein_id; 第六列：gtf里的gene_name ;第7列 基因类型;如果第2到6列没有信息；就写-；如果一个gene有多个protein_id;就写成多行；带上其他列的信息
##gene_id  locus_tag    old_locus_tag  entry_id protein_id  gene_name  gene_biotype（用于匹配已知数据库的基因注释信息）
id_table=

## 物种分类；animal plant fungi prokaryotes（做比对大库注释用）
kindom=

## 物种三字符；animal plant fungi prokaryotes （hsa ..）其他三字符（添加pathway注释和做kegg注释用）
org=

## GO注释文件（不含表头）；两列：基因id 和 GO:1234567;GO:1234568;如果写none;则使用软件eggnog_map注释或比对uniprot；择优录取
go_file=

## KEGG注释文件（不含表头）两列：基因id 和 KO号；如果写none则根据entryid locus_tag 对应到KO；对应不上则使用kobas比对大库；（kegg官网蛋白序列正在下载；下载完后会替换kobas注释;增加比对kegg本物种和大库进行注释）
kegg_file=

## eggnog注释文件（不含表头；三列） 基因id；eggnog eggnog_class; 如果写none则先和eggnog5.0的数据库对应；对应不上则使用软件eggnog_map注释
eggnog_file=

## swissprot注释文件（不含表头）两列：基因id 和 swissprot注释  如果写none则比对swissprot注释
swissprot_file=

## NR注释文件（不含表头）；两列： 如果写none 则比对注释;如果有taxid；优先比对taxid分类下所有物种；否则比对动物；植物 真菌等大库
nr_file=