PlantAI-dev/skills/annotation/IMPLEMENTATION_SUMMARY.md

eggNOG-mapper Annotation Skill - 实现总结

完成情况 ✅

已完成为 bbav20311 添加 eggNOG-mapper 调用功能，自动生成 .emapper.annotations 文件。

创建的文件

skills/annotation/
├── config.yaml              # 技能配置（参数、依赖）
├── run.py                   # 主程序（~400行）
├── SKILL.md                 # 技能文档
├── example_usage.py         # 集成示例
├── tests/
│   └── test_annotation.py   # 单元测试
└── IMPLEMENTATION_SUMMARY.md # 本文件

功能特性

核心功能

• 调用本地 emapper.py 进行功能注释
• 自动生成 .emapper.annotations 文件
• 同时生成 .emapper.seed_orthologs 和 .emapper.pfam
• 支持 diamond/mmseqs/hmmer 三种搜索模式

配置参数

参数	默认值	说明
mode	diamond	搜索模式
evalue	0.001	E-value阈值
score	60	最小bit score
query_cover	20	query覆盖度(%)
subject_cover	20	subject覆盖度(%)
tax_scope	auto	分类范围
cpu	8	CPU线程数

输出文件

文件	描述
*.emapper.annotations	主注释结果（TSV）
*.emapper.seed_orthologs	种子直系同源
*.emapper.pfam	Pfam注释
report.md	分析报告（含GO/KEGG/COG/Pfam统计）
commands.sh	可复现命令
environment.yml	Conda环境配置
checksums.sha256	文件校验

使用方法

命令行

# 基本用法
python run.py --input protein.fa --output ./annotation

# 指定参数
python run.py --input protein.fa --output ./annotation \
    --prefix mygene --cpu 16 --mode diamond --evalue 0.0001

# Demo模式
python run.py --demo --output ./annotation_demo

Python API

from run import AnnotationSkill

skill = AnnotationSkill()
result = skill.run(
    protein_fasta=Path("protein.fa"),
    output_dir=Path("./annotation"),
    prefix="gene_family"
)

# result["annotations"] -> Path to .emapper.annotations
# result["stats"] -> Dict with GO/KEGG/COG/Pfam counts

集成到 Registry

已在 gfa_core/mas/tools/registry.py 中添加：

• TOOL_PATHS["emapper"] 路径配置
• ToolMetadata 注册（category="annotation"）

测试状态

$ python3 tests/test_annotation.py -v

 test_find_emapper ... ok
 test_parse_annotations ... ok
 test_demo_mode ... ok
 test_config_loading ... ok

----------------------------------------------------------------------
Ran 4 tests in 0.005s
OK

依赖要求

conda install -c bioconda eggnog-mapper diamond

或：

conda env create -f config.yaml  # 使用技能自带配置

注意事项

1. 数据库: 首次运行会自动下载 eggNOG 数据库到 ~/.eggnog-mapper/
2. 内存: 大基因组建议调整 --block-size 参数
3. 路径: 自动检测常见 conda 环境中的 emapper.py

下一步建议

1. 在 pipeline backend 中集成此技能
2. 添加 GO enrichment 分析（基于生成的 annotations）
3. 可视化 COG 分类分布图
4. 与现有 domain-analysis 技能结果合并展示