基因家族分析套路[文檔知識(shí)]

1、基因家族分析套路（一）近年來(lái)，測(cè)序價(jià)格的下降，導(dǎo)致越來(lái)越多的基因組完成了測(cè)序，在數(shù)據(jù)庫(kù)中形成了大量的可用資源。如何利用這些資源呢？今天小編帶你認(rèn)識(shí)一下不測(cè)序也能發(fā)文章的思路-全基因組基因家族成員鑒定與分析（現(xiàn)在這一領(lǐng)域可是很熱奧）；一、基本分析內(nèi)容n 數(shù)據(jù)庫(kù)檢索與成員鑒定n 進(jìn)化樹(shù)構(gòu)建n 保守domain和motif分析.n 基因結(jié)構(gòu)分析.n 轉(zhuǎn)錄組或熒光定量表達(dá)分析.二、數(shù)據(jù)庫(kù)檢索與成員鑒定1、數(shù)據(jù)庫(kù)檢索1）首先了解數(shù)據(jù)庫(kù)用法，學(xué)會(huì)下載你要分析物種的基因組相關(guān)數(shù)據(jù)。一般也就是下面這些數(shù)據(jù)庫(kù)了n Brachypodiumdb:/n TAIR:

2、/n RiceGenomeAnnotationProject：/.n Phytozome:/n Ensemble:/genome_browser/index.htmln NCBI基因組數(shù)據(jù)庫(kù)：/assembly/?term=2）已鑒定的家族成員獲取。 如何獲得其他物種已發(fā)表某個(gè)基因家族的所有成員呢，最簡(jiǎn)單的就是下載該物種蛋白序列文件（可以

3、從上述數(shù)據(jù)庫(kù)中下載），然后按照文章中的ID，找到對(duì)應(yīng)成員。對(duì)于沒(méi)有全基因組鑒定的，可以下列數(shù)據(jù)庫(kù)中找：a.NCBI:nucleotideandproteindb.b.EBI:http:/www.ebi.ac.uk/.c.UniProtKB:/uniprot/2、比對(duì)工具。一般使用blast和hmmer，具體使用命令如下：n LocalBLASTformatdbidb.faspF/T；blastallpblastp(orelse)iknown.fasddb.fasm8b2(orelse)e1e-5oalignresult.txt.-b:outputtwo

4、differentmembersinsubjectsequences(db).n Hmmer(hiddenMarkovModel)search.ThesameasPSI-BLASTinfunction.Ithasahighersensitivity,butthespeedislower.Command:hmmbuild-informatafaknown.hmmalignknown.fa;hmmsearchknown.hmmdb.fasalign.out.3、過(guò)濾。n Identity:至少50%.n Coverregion:也要超過(guò)50%或者蛋白結(jié)構(gòu)域的長(zhǎng)度.n domain:必須要有完整的該

5、蛋白家族的。工具pfamdb(http:/pfam.sanger.ac.uk/)和NCBIBatchCD-search.(/Structure/bwrpsb/bwrpsb.cgi).n EST支持n BlastandHmmer同時(shí)檢測(cè)到4、通過(guò)上述操作獲得某家族的所有成員基因家族分析套路（二）本次主要講解在基因家族分析類文章中，進(jìn)化部分分析的內(nèi)容。主要是進(jìn)化樹(shù)的構(gòu)建與分析。一、構(gòu)建進(jìn)化樹(shù)的基本步驟、多序列比對(duì).Muscleprogram.、Model選擇.分別針對(duì)蛋白序列和核酸序列的模型選擇程序。ProtTestprogramforprote

6、inandModelTestorJmodetlestforDNA(/58001704/blog).、算法選擇。三種.NJ,MLandBI.、軟件選擇。MEGA(bootstrapleast1000replicates),phyMLandMrbayes(/58001704/main).、進(jìn)化樹(shù)修飾.MEGA:view-optionsandsubtree-drawoptions.Alsocanbedecoratedinword(/58001704/main)二、

7、具體步驟2.1多序列比對(duì)。一般采用muscle。因?yàn)镸USCLEisoneofthebest-performingmultiplealignmentprogramsaccordingtopublishedbenchmarktests,withaccuracyandspeedthatareconsistentlybetterthanCLUSTALW.2.2模型選擇。對(duì)于用蛋白序列構(gòu)建進(jìn)化樹(shù)的可以采用下面命令：java-Xmx250m-classpathpath/ProtTest.jarprottest.ProtTest-ialignmfile.phy.運(yùn)行結(jié)果如下圖注意：1）“.Phy”form

8、at.Onlyallowtencharaters.注意名字不能重復(fù)相同。2）AIC:AkaikeInformationCriterionframework.3）Gammadistributionparameter(G):gammashape.3）proportionofinvariablesites:I.2.3 構(gòu)建進(jìn)化樹(shù)2.3.1意義：a聚類分析。如亞家族分類。像MAPKKK基因家族通過(guò)進(jìn)化樹(shù)可以清楚分為MEKK,RafandZIK三個(gè)亞家族.b親緣關(guān)系鑒定。在進(jìn)化樹(shù)上位于同一支的往往暗示這親緣關(guān)系很近c(diǎn)基因家族復(fù)制分析。研究基因家族復(fù)制事件（duplicationevents），兩種復(fù)制事

9、件類型常采用的標(biāo)準(zhǔn)：Tandemduplication:Identityandcoverregionmorethan70%andtightlylinked(Holub,2001).Chromosomalsegmentduplication:PlantGenomeDuplicationDatabase(PGDD:/duplication/)2.3.2進(jìn)化樹(shù)。一般ML樹(shù)比較準(zhǔn)確，但應(yīng)結(jié)合方法，如NJ樹(shù)，相互驗(yàn)證。2.3.3進(jìn)化部分分析：KaKs計(jì)算簡(jiǎn)單的方法.可以使用下面的網(wǎng)頁(yè)P(yáng)AL2NAL(http:/www.bork.embl.

10、de/pal2nal/)標(biāo)準(zhǔn)方法：.a.ParaAT:ParaAT.pl-htest.homologs-ntest.cds-atest.pep-pprocfaxtk-ooutputb.KaKs_CalculatormNG(orelse)-itest.axt-otest.axt.kaksc.分歧時(shí)間計(jì)算：Divergenttime（T）calculation.T=Ks/2.:mean5.1-7.110-9.d. Ka/Ks意義： Ka/Ks=1.中性進(jìn)化。. Ka/KsKa/Ks1.正選擇。Positivelyselectedgenesandproducefitnessadvant

11、agemutationstoevolvenewfunctions.基因家族分析套路（三）本節(jié)主要講基因結(jié)構(gòu)分析套路1、Motif分析使用軟件MEME，命令如下：memesample.fa-dnarevcomp-nmotifs10-modzoops-minw6-maxw50meme_htmlFormat.html2、基因結(jié)構(gòu)分布圖可以使用在線網(wǎng)站GSDS2.0：website:/用法如下：結(jié)果展示3、基因結(jié)構(gòu)常見(jiàn)統(tǒng)計(jì)信息：自己excel或?qū)懗绦蚪y(tǒng)計(jì)a.Thenumberofintronandexon.b.Thesplicingintronpatt

12、erninculding0,1,2phase.c.Themarkedregion.Forexamplekinasedomain.d.sequencelength.e.UTR.4、啟動(dòng)子分析。網(wǎng)站：主要做植物的：http:/bioinformatics.psb.ugent.be/webtools/plantcare/html/注意事項(xiàng)：a.IEbrower.b.Onlyonesequenceforoncesearchandthelengthwaslimitedin1000bp.c.DNAsequenceorigin:1000or1500bpupstreamofATGofonegene.分析結(jié)果：

13、基因家族分析套路（四）一、轉(zhuǎn)錄組及芯片原始數(shù)據(jù)下載網(wǎng)站1、GEOdatesets/profile(/gds).。用法見(jiàn)下圖。GEO數(shù)據(jù)ID命名規(guī)則：GPL-GSE-GSM.GPL:platformGSE:multipleseries.GSM:multiplesamples.GDSGSE.ThedifferenceconcentratedonthedatalabeledGDScanbeanalyzedforonegeneonline.Itissimpleandeasily.ThedatainthesameGPLcanbeusedtocompar

14、einexperiment下面是在線分析轉(zhuǎn)錄組數(shù)據(jù)的用法：2、EBIArrayExpress(http:/www.ebi.ac.uk/arrayexpress/)該數(shù)據(jù)庫(kù)下載數(shù)據(jù)用法如下：3、PLEXdb(/).該數(shù)據(jù)庫(kù)下載數(shù)據(jù)用法如下，注意用戶名和密碼！4、SRAdb(/sra/)5、DRAdb（http:/trace.ddbj.nig.ac.jp/DRASearch/）二、數(shù)據(jù)處理拿到原始數(shù)據(jù)，要進(jìn)行處理，才能進(jìn)行后續(xù)數(shù)據(jù)分析。1、芯片數(shù)據(jù)。原始數(shù)據(jù)格式“.cel”格式。以AffyMicroarra

15、y數(shù)據(jù)處理為例講述主要的命令如下：library(affy);library(makecdfenv);librarybarleyGenome=make.cdf.env(“barleyGenome.cdf)mydataesetwrite.exprs(eset,file=mydata.txt)designcolnames(design)fitcontrast.matrixfit2fit2topTable(fit2,coef=1,adjust=fdr,sort.by=B,number=10)#Generateslistoftop10(number=10)differentiallyexpressed

16、genessortedbyB-values(sort.by=B)forfirstcomparisongroup.write.table(topTable(fit2,coef=1,adjust=fdr,sort.by=B,number=500),file=limma_complete.xls,s=F,sep=t)#Exportscompletelimmastatisticstableforfirstcomparisongroup.results-decideTests(fit2,p.value=0.05);vennDiagram(results)2、轉(zhuǎn)錄組數(shù)據(jù)處理。原始數(shù)據(jù)格式為sra或fastq格式。Sra可以轉(zhuǎn)換為fastq然后運(yùn)用下面的命令進(jìn)行處理。1）獲得cleandata；fastx_clipper:clipadapter.fastq_quality_filter:basequalitycontrol.fastq_quality_trimmer:trim5lowqualitybases.2）計(jì)算RPKM.bowtie2-buildpath/db.seqpath/dbtophatdbread.fastqbam_filterpath/accepted_hits.bam