glimmer基因（yīn）预测（cè）软件是时下互联网（wǎng）常用的教育教（jiāo）学软（ruǎn）件（jiàn）之（zhī）一，该软（ruǎn）件绿（lǜ）色、安全、无（wú）毒，让你可以放（fàng）心（xīn）使用。
下面我们拿（ná）结（jié）核分枝杆菌H37RV的（de）基因组来做下练习，Glimmer做（zuò）基因预测一般需要2个（gè）步奏。
首（shǒu）先是建立预测的模型，第二步是（shì）利用模型来对基（jī）因（yīn）组进行基因预测。模型也叫训练集，也就是先让软件了解基因的一些（xiē）特征，这样（yàng）软件（jiàn）就（jiù）能根据已知的信息，来（lái）推测未知（zhī）的信息。
建立（lì）模型采用build-icm程序来完（wán）成。build-icm的输入有（yǒu）三（sān）种。
1、某基因组的已（yǐ）知信息；
2、通过long-orfs产生的长的无重叠的orfs；
3、高度相似（sì）的物种的（de）基因（yīn）。
这里面我们选用自身（shēn）作为训练集（jí）来（lái）作为模型。
那么就使（shǐ）用long-orfs产生训练集，那么作（zuò）为long-orf的训练集，我们首先要将（jiāng）输入（rù）文件格式化到（dào）一条。
听到这（zhè）里大家可能有些乱了。下面我们具（jù）体来演示（shì）一遍大家就明白了。
首先我（wǒ）们将（jiāng）多条fasta文件合并成一条，用于long-orfs程（chéng）序。
这里面采用sed 命令。
sed -e '/>/d' K12.fna |tr -d '\n' |awk 'BEGIN {print ">wholefile"}{print $0}' >wholefile
这（zhè）样就可（kě）以用作long-orfs的（de）输入了。
运（yùn）行long-orfs产生无（wú）重叠的orfs
long-orfs -n -t 1.15 $wholefile $tagname.longorfs 1>/dev/null 2>/dev/null
然（rán）后运行extract来提（tí）取（qǔ）训练集（jí）
extract -t $wholefile $tagname.longorfs > $tagname.train 2>/dev/null
这样训练集就处理好了（le）。
产（chǎn）生训练集有（yǒu）收（shōu）那种方（fāng）法，这里面我们（men）用的（de）是第（dì）二种方法，通过long-orfs产（chǎn）生。
如果有（yǒu）某基因组的已知基因，或者高度相似（sì）的物种基因不（bú）用以上三个步骤
接下来我们（men）运（yùn）行bulid-icm通过（guò）训练（liàn）集，来生（shēng）产预测的模型，用于基因预测
build-icm -r $tagname.icm < $tagname.train 1>/dev/null 2>/dev/null
最后（hòu）我们就可以直接运行glimmer3来完成基（jī）因预测。
glimmer3 -o50 -g110 -t30 [options]。
生（shēng）成*.detail *.predict
那么*.predict就是我们最终得到（dào）的预测（cè）基因文（wén）件，它其实只是一个列表（biǎo），我们打开看（kàn）一下。也（yě）是（shì）以“>"进行分（fèn）割，
基因的各列信息分别为：
Column 1 预（yù）测基因编号，此编号和*.detail文件（jiàn）里编号一致。
Column 2 基因的开（kāi）始位置。
Column 3 基（jī）因的结束位（wèi）置。为终止密码子的最后一个碱（jiǎn）基位置，也就是说包（bāo）含终止密（mì）码子。
Column 4 阅读框。
Column 5 基（jī）因的“raw”分（fèn）值。
基因（遗传因子、遗传（chuán）基因（yīn））指携带有遗传信息的DNA序（xù）列，是控制性状的基本遗传单位，亦即一段具有功能性的DNA序列（liè）。基因通过指导蛋白（bái）质的（de）合（hé）成来表达自己所携带的遗传（chuán）信息，从（cóng）而控制生物（wù）个体的（de）性状表（biǎo）现。人类（lèi）约有两万至两（liǎng）万五千个基（jī）因（yīn）。染色体在体细（xì）胞中是成对存（cún）在的，每条染色体上都带有一定数量的基因。一个（gè）基因在细胞有丝（sī）分裂时有两（liǎng）个（gè）对列的位点，称（chēng）为等（děng）位基因，分别（bié）来自父与母辈。按照其控（kòng）制的（de）性状，又可（kě）分（fèn）为显性基（jī）因（yīn）和隐性基因。一（yī）般来说，生物体中的每个细胞（bāo）都含有相同的基因，但并（bìng）不是每个细胞中的每（měi）个基因所（suǒ）携带的遗传信息（xī）都会（huì）被表（biǎo）达出来。不同部（bù）位和功能的细胞，能将（jiāng）遗传（chuán）信息（xī）表达出来的基因也不同。
