1. 获取准确的转录子序列
利用 RNA-seq 数据进行转录组 de novo 组装。 推荐使用 trinity 软件进行有基因指导的 de novo 组装，只进行 inchworm 组装，这样能获得比较准确的转录组序列。
2. 获取完整的基因模型
使用 PASA 将上一步骤得到的转录子序列比对到基因组上。根据比对结果，提取完整并且长度较长的基因模型。
3. HMM training
根据上一步骤的基因模型进行 AUGUSTUS 和 SNAP 的 training，得到这 2 个基因预测软件的 HMM 参数文件。
4. 由 RNA-seq 数据得到 hints
对基因组进行重复序列分析，对 DNA 转座子和逆转录转座子进行 hardmask (即对该区域使用 N 屏蔽)，对 low-complexity 区域进行 softmask(即将该区域碱基换成小写)。 将 RNA-seq 数据比对到屏蔽了重复序列的基因组，得到 hints 信息。
5. 获取低表达区域来自其它物种的保守蛋白
在屏蔽重复序列的基础上，对上一步骤得到 hints 区域进行hardmask。 从 NCBI 的 Taxonomy 数据库下载蛋白质序列，并将这些序列比对到屏蔽了重复序列和基因表达区域的基因组上，设定阈值筛选出保守蛋白。这些蛋白比对到了表达量低的基因区，有利于这些基因的预测。
6. 使用 MAKER 进行第一遍基因预测
使用 MAKER 进行基因预测，输入文件有：
基因组序列： 基因组装的结果文件 重复序列文库： 使用 ReapeterModeler 得到 HMM 文件： AUGUSTUS, SNPA 和 GeneMark-ES 的 HMM 文件 转录子序列： PASA 的结果文件 蛋白质序列： 筛选出来的蛋白序列
7. 使用 MAKER 进行第二遍基因预测
根据上一步的预测结果，提取 AED 值较低的基因模型，进行第二遍 HMM training，然后再次使用 MAKER 进行基因预测。