EvidenceModeler用于将多种方法的注释结果合并整理
从头预测的结果，同源注释结果，RNA-seq辅助注释结果，EST注释结果等等。
1.下载并配置环境
wget https://github.com/EVidenceModeler/EVidenceModeler/releases/download/EVidenceModeler-v2.1.0/EVidenceModeler-v2.1.0.tar.gz
tar -zxvf EVidenceModeler-v2.1.0.tar.gz
cd EVidenceModeler-v2.1.0/
make
#配置环境，如果运行有问题的话就在解压缩的路径里面make，运行没有问题可以不make
2.准备数据
ab into预测的结果：gene_prediction.gff3
同源注释结果：protein_alignments.gff3
RNA-seq注释结果：transcript_alignments.gff3
不管你有多少个文件，把它归成这三种文件，第二列的信息不一致把它们合并到同一个文件中。根据第二列的信息创建权重值，生成结果文件。
其中从头预测的文件要标准的gff3文件格式。如果后两个文件的格式和官方给定的不同，也同样做成和gene_prediction.gff3文件格式相同的文件（尤其是第九列的格式）。
3.创建权重文件weights.txt
PROTEIN nap-nr_minus_rice.fasta 1
PROTEIN genewise-nr_minus_rice.fasta 5
TRANSCRIPT gap2-plant_gene_index.11282006.fasta 1
TRANSCRIPT alignAssembly-rice_release4_gmapsim4_02152006 10
ABINITIO_PREDICTION fgenesh 1
ABINITIO_PREDICTION genemark 1
ABINITIO_PREDICTION glimmerHMM 1
（以制表符分开，包括三列，第一列确定是文件类型，第二列就是注释结果文件的第二列信息，划分文件，第三列给定权重值。权重值官方文档也没有明确的定义，看到最大的就是10，一般认为TRANSCRIPT>PROTEIN>ABINITIO；从头预测的有1，同源蛋白的2-5，RNA-seq的6-10；大概这样的区间。也可以多设置，看结果是否有区别。
4.运行
$EVM_HOME/EVidenceModeler \
--sample_id mySampleID \ # 给定生成文件名字
--genome genome.fasta \ # 基因组文件
--gene_predictions gene_predictions.gff3 \
--protein_alignments protein_alignments.gff3 \
--transcript_alignments transcript_alignments.gff3 \
--segmentSize 100000 \
--overlapSize 10000
5.生成文件
${mySampleID}.EVM.gff3 - EVM gene structure outputs in GFF3-gene-structure format.
${mySampleID}.EVM.pep and .cds - protein and CDS sequences for EVM predictions in FASTA format.
${mySampleID}.EVM.bed - EVM gene structure outputs in BED format for viewing in IGV.
