.. _mfannot:

=======
MFannot
=======

.. contents:: Nesta seção:
   :local:
   :depth: 2

Descrição
=========

De acordo com a `Documentação do MFannot <https://github.com/BFL-lab/Mfannot>`_, MFannot (Mitochondrial/Fungal ANNOTation) é uma ferramenta para anotação de genomas mitocondriais e fúngicos. Utiliza modelos de Markov (HMMs) e similaridade com bancos de dados de proteínas para identificar e anotar genes, introns e outras características em sequências de DNA.

Versões Disponíveis
===================

* mfannot/1.37 (default)

Carregando o Módulo
===================

.. code-block:: bash

   # Carregar MFannot
   module load mfannot/1.37

   # Verificar instalação
   mfannot -h

Arquivos de Entrada Necessários
===============================

MFannot requer:

- Arquivo de sequência no formato FASTA
- Código genético apropriado (padrão: 1 - universal)
- Opcional: arquivo de referência para comparação

Submissão de Jobs
=================

.. code-block:: bash
   :caption: submit_mfannot_basic.sh

   #!/bin/bash
   #SBATCH -J mfannot
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 12:00:00
   #SBATCH --mem=8G

   export INPUT="mitogenome.fasta"
   export OUTPUT="annotation.out"

   module load mfannot/1.37

   job-nanny mfannot -g 1 mitogenome.fasta > annotation.out 2> annotation.err

Anotação com Diferentes Códigos Genéticos
=========================================

.. code-block:: bash
   :caption: submit_mfannot_gencode.sh

   #!/bin/bash
   #SBATCH -J mfannot_gencode
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 12:00:00
   #SBATCH --mem=8G

   export INPUT="mitogenome.fasta"
   export OUTPUT="annotation_*.out"

   module load mfannot/1.37

   # Código genético 1: Universal (padrão)
   job-nanny mfannot -g 1 mitogenome.fasta > annotation_universal.out

   # Código genético 2: Vertebrados mitocondrial
   job-nanny mfannot -g 2 mitogenome.fasta > annotation_vert_mt.out

   # Código genético 3: Leveduras mitocondrial
   job-nanny mfannot -g 3 mitogenome.fasta > annotation_yeast_mt.out

   # Código genético 4: Protozoários mitocondrial + Mycoplasma
   job-nanny mfannot -g 4 mitogenome.fasta > annotation_protozoa_mt.out

Anotação com Busca por Similaridade
===================================

.. code-block:: bash
   :caption: submit_mfannot_similarity.sh

   #!/bin/bash
   #SBATCH -J mfannot_sim
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 24:00:00
   #SBATCH --mem=16G

   export INPUT="novel_sequence.fasta"
   export OUTPUT="similarity_annotation.out"

   module load mfannot/1.37

   # Anotação com busca por similaridade em banco de dados
   job-nanny mfannot -g 1 -s novel_sequence.fasta > similarity_annotation.out

Job Array para Múltiplas Sequências
===================================

.. code-block:: bash
   :caption: submit_mfannot_array.sh

   #!/bin/bash
   #SBATCH -J mfannot_array
   #SBATCH --array=1-10
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 12:00:00
   #SBATCH --mem=8G

   SEQUENCES=($(ls *.fasta))
   SEQ=${SEQUENCES[$SLURM_ARRAY_TASK_ID-1]}
   BASE=$(basename "$SEQ" .fasta)

   export INPUT="$SEQ"
   export OUTPUT="${BASE}_annot/"

   module load mfannot/1.37

   mkdir -p ${BASE}_annot
   cd ${BASE}_annot
   cp ../$SEQ .

   job-nanny mfannot -g 1 $SEQ > ${BASE}_annot.out 2> ${BASE}_annot.err

   # Extrair estatísticas básicas
   echo "Sequência: $BASE" > stats.txt
   grep -c "^>" ../$SEQ >> stats.txt
   grep -c "gene" ${BASE}_annot.out >> stats.txt
   grep -c "intron" ${BASE}_annot.out >> stats.txt

Interpretação dos Resultados
============================

O arquivo de saída do MFannot contém:

.. code-block:: text

   # Anotação para sequência: mitogenome.fasta
   # Comprimento: 15894 bp
   # Código genético: 1 (Universal)
   
   >Feature: gene
   Position: 1..1500
   Strand: +
   Gene: cox1
   Product: cytochrome c oxidase subunit I
   
   >Feature: intron
   Position: 1501..2100
   Strand: +
   Gene: cox1
   Type: groupI
   
   >Feature: gene
   Position: 2101..3150
   Strand: +
   Gene: nad1
   Product: NADH dehydrogenase subunit 1

Pós-processamento com Python
============================

.. code-block:: bash
   :caption: parse_mfannot.sh

   #!/bin/bash
   #SBATCH -J parse_mfannot
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 01:00:00
   #SBATCH --mem=2G

   cat > parse_mfannot.py << 'EOF'
   import re
   import csv
   from collections import defaultdict

   def parse_mfannot_output(filename):
       features = []
       current_feature = {}
       
       with open(filename, 'r') as f:
           for line in f:
               if line.startswith('>Feature:'):
                   if current_feature:
                       features.append(current_feature)
                   current_feature = {'type': line.split(':')[1].strip()}
               elif line.startswith('Position:'):
                   current_feature['position'] = line.split(':')[1].strip()
               elif line.startswith('Strand:'):
                   current_feature['strand'] = line.split(':')[1].strip()
               elif line.startswith('Gene:'):
                   current_feature['gene'] = line.split(':')[1].strip()
               elif line.startswith('Product:'):
                   current_feature['product'] = line.split(':')[1].strip()
               elif line.startswith('Type:'):
                   current_feature['intron_type'] = line.split(':')[1].strip()
           
           if current_feature:
               features.append(current_feature)
       
       return features

   # Processar todos os arquivos de anotação
   import glob
   import os

   for annot_file in glob.glob("*_annot/*.out"):
       sample = os.path.basename(annot_file).replace('_annot.out', '')
       features = parse_mfannot_output(annot_file)
       
       # Estatísticas por amostra
       gene_count = sum(1 for f in features if f.get('type') == 'gene')
       intron_count = sum(1 for f in features if f.get('type') == 'intron')
       
       with open(f'{sample}_summary.txt', 'w') as out:
           out.write(f"Amostra: {sample}\n")
           out.write(f"Genes encontrados: {gene_count}\n")
           out.write(f"Íntrons encontrados: {intron_count}\n")
           out.write("\nDetalhamento:\n")
           
           for f in features:
               out.write(f"  {f.get('type')}: {f.get('gene', 'N/A')} "
                        f"[{f.get('position', 'N/A')}] "
                        f"({f.get('product', 'N/A')})\n")
   EOF

   python3 parse_mfannot.py

Visualização de Resultados
==========================

.. code-block:: bash
   :caption: visualize_mfannot.sh

   #!/bin/bash
   #SBATCH -J viz_mfannot
   #SBATCH -N 1
   #SBATCH -n 1
   #SBATCH -t 01:00:00
   #SBATCH --mem=2G

   # Necessitar instalar o matplotlib
   # Carregue o módulo do Conda
   module load miniconda/25.x
   # Crie um ambiente Conda
   conda create -n matplotlib_env
   source activate matplotlib_env
   # Instale o matplotlib
   conda install matplotlib

   cat > plot_annotations.py << 'EOF'
   import matplotlib.pyplot as plt
   import matplotlib.patches as patches
   import glob
   import re

   def parse_coordinates(pos_str):
       """Extrair coordenadas de posição (ex: '1..1500')"""
       match = re.match(r'(\d+)\.\.(\d+)', pos_str)
       if match:
           return int(match.group(1)), int(match.group(2))
       return None, None

   # Coletar estatísticas por amostra
   samples = []
   gene_counts = []
   intron_counts = []

   for summary in glob.glob("*_summary.txt"):
       sample = summary.replace('_summary.txt', '')
       with open(summary, 'r') as f:
           content = f.read()
           
           # Extrair contagens
           genes = re.search(r'Genes encontrados: (\d+)', content)
           introns = re.search(r'Íntrons encontrados: (\d+)', content)
           
           if genes and introns:
               samples.append(sample)
               gene_counts.append(int(genes.group(1)))
               intron_counts.append(int(introns.group(1)))

   # Gráfico de barras
   if samples:
       fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8))
       
       x = range(len(samples))
       
       ax1.bar(x, gene_counts, color='blue', alpha=0.7)
       ax1.set_xlabel('Amostra')
       ax1.set_ylabel('Número de genes')
       ax1.set_title('Genes anotados por amostra')
       ax1.set_xticks(x)
       ax1.set_xticklabels(samples, rotation=45, ha='right')
       
       ax2.bar(x, intron_counts, color='red', alpha=0.7)
       ax2.set_xlabel('Amostra')
       ax2.set_ylabel('Número de íntrons')
       ax2.set_title('Íntrons anotados por amostra')
       ax2.set_xticks(x)
       ax2.set_xticklabels(samples, rotation=45, ha='right')
       
       plt.tight_layout()
       plt.savefig('mfannot_summary.png', dpi=150)
       print("Gráfico salvo como mfannot_summary.png")
   else:
       print("Nenhum dado encontrado para plotar")
   EOF

   python3 plot_annotations.py

Referências
===========

- Documentação: https://github.com/BFL-lab/Mfannot
- Publicação: https://academic.oup.com/nar/article/35/suppl_2/W620/2920130
- Banco de dados: http://megasun.bch.umontreal.ca/People/lang/FMGP/

.. seealso::

   - :ref:`busco` - Avaliação de completude
   - :ref:`trinity` - Montagem de transcriptomas
   - :ref:`processando_simulacoes` - Como submeter jobs