1. Convert GFF file to Genbank format file
$ $AugustusHome/scripts/gff2gbSmallDNA.pl PASA.gff genome.fa 1000 genes.raw.gb
将gff文件转换成genebank格式，左右侧翼各加1000bp序列。gff文件可以由PASA将RNA-Seq的转录子比对到genome得到。而PASA得到的gff文件是有5’端非翻译区注释的，这样的信息会被trainig忽略。it is sufficient to have only the coding parts of the gene structure (CDS).
当然，genebank文件也可以使用NCBI的nucleotide数据库进行检索得到。
2. remove these problematic locis from genes.raw.gb
$ $AugustusHome/bin/etainig --species=SPECIES --stopCodonExcludedFromCDS=false genes.raw.gb 2> train.err $ cat train.err | perl -pe 's/.*in sequence (\S+): .*/$1/' > badgenes.lst $ $AugustusHome/scripts/filterGenes.pl badgenes.lst genes.raw.gb > genes.gb
第一条命令用于输出trainig过程中的错误信息，根据错误信息找到 badgenes，然后在去掉这些badgenes，剩下的genes用于training。
值得注意的是：
1. 至少有200个gene structures用于training，才能得到不错的结果。越多的gene，则training的效果越好；当然，达到1000个genes的时候，提升的效果就很小了。
2. 当有多于1000个基因的时候，则需要注重基因的质量，而不是数量了。要保证multi-exon genes的数目要多，这样用于tain the introns。并且gene structures越精确越好。
3. gene set should be non-redundant.如果2个不同的基因序列绝大部分的amino acid sequence是一致的，则去掉其中一个。推荐的条件是：gene set里面任意两个gene在amino acid level上的identity要不高于80%。可以使用blast来解决，由于80%的阈值算是比较高的，一般也就需要去除掉20多个基因。
3. Split gene structure set into training and test set
$ $AugustusHome/scripts/randomSplit.pl genes.gb 100
将genes.gb分隔成了genes.gb.test和genes.gb.train两个文件。其中前者为genes.gb中随机取出的100个genes，后者为剩下的genes。后者将用于不停地traning。
4. CREATE A META PARAMETERS FILE FOR YOUR SPECIES
$ $AugustusHome/scripts/new_species.pl --species=lentinula_edodes
假如我们要建立香菇物种的traning参数，则上命令建立了其参数文件和文件夹，不过文件内容是初始的。
注意的是，用于training的gene的最后一个CDS的最后3个碱基若不是终止密码子，则需要手动修改Lentinula_edodes_parameters.cfg文件，将其中的stopCodonExcludedFromCDS由默认的false改为true。
5. MAKE AN INITIAL TRAINING
$ $AugustusHome/bin/etrainig --species=lentinula_edodes genes.gb.train $ $AugustusHome/bin/augustus --species=lentinula_edodes genes.gb.test | tee firsttest.out $ grep -A 22 Evalustion firsttest.out
使用genes.gb.train做一次trainig，然后使用genes.gb.test来检测training的精确性。分别在nucleotide，exon和gene level上检测其sensitivity和specificity。
sensitivity表示被被检测出来的百分率；specificity表示检测出来的nucleotide,exon或gene和test set中的完全一致的百分率。
6. RUN THE SCRIPT optimize_augustus.pl
$ $AugustusHome/scripts/optimize_augustus.pl --species=lentinula_edodes --cpus=8 genes.gb.train $ $AugustusHome/bin/etrainig --species=lentinula_edodes genes.gb.train $ $AugustusHome/bin/augustus --species=lentinula_edodes genes.gb.test
1. optimize_augustus.pl所做的事情：
默认情况下，optimize_augustus.pl将genes.gb.train中的genes随机分成8等份，然后使用其中的7个等份的genes做training，另外的1个做精确性评估。这样相互下来，共有8个方案，每个方案取1个等份用于精确性评估，另外7个用于training。
进行一次随机分配后再运行10次training和精确性评估，即为一次预测，得到一个target value。该值是 base，exon和gene level上sensitivities和specificities的权重值。
每次预测，如果得到更高的target value，则修正参数文件中的值：lentinula_edodes_parameters.cfg。
默认下参数文件中有28项参数需要按一定顺序进行优化；一般情况下每个参数最多设置5个值各进行一次预测(即对一项参数而言，这设置的5个值其中可能有1个值是用于之前的预测，故每个参数优化需要运行最多5次预测)，取最大的target value对应的值为参数的值；对所有的参数进行优化一次是一轮，则5轮参数优化完毕后程序会停止运行(以1800左右个genes来进行training，则每次augustus对200多个gene进行预测需要1min，那么每个参数优化需要28*4*8*1min=896min=15h，5轮参数的优化总共需要75h，即3天)，或如果在一轮参数优化中没有improvements则提前停止运行。当然，如果等不及，也能手动停止程序运行。由于optimize_augustus.pl运行时间太长，最好使用screen来运行。
如果了解了上述运行原理，则可以视情形终止其运行，或保存配置文件后接着运行。
2. 在optimize_augustus.pl完成或中断之后，需要(re)train AUGUSTUS with genes.gb.train。然后在使用genes.test.gb进行预测的精确性检测，如果gene level sensitivity低于20%，则表明training set不够大，或者质量不够好，或者物种somehow special。
7. Training AUGUSTUS UTR parameters
这部分的Training则需要5’和3’端的UTR都存在的gene structure。