就基因家族工作做一简单介绍
基本思路
数据准备
确定好研究的基因家族后（比如：NBS，MADS-box etc.），下面就可以下载相关数据。
- 所研究物种的基因组序列； genome.fa
- 所研究物种蛋白序列；pep.fa
- 所研究物种gff文件
- 目标基因家族的隐马科夫模型
- or RefSeq 对应基因家族的蛋白序列
对应基因组信息可根据发表文章中提供的路径进行下载即可；
对于隐马科夫模型可以从Pfam进行下载（比如：NBS）
点击BROWSE后，进行搜索NBS即可；本次下载PF00931
下载RefSeq对应抗病序列如下所示；
或者下载RefSeq植物所有信息，根据注释信息选取相关序列
见基因功能注释
鉴定家族成员
-
基于保守结构模型进行鉴定
所用工具为hmmer
hmmbuild/hmmsearch/hmmscan/hmmalign 这几个功能是主要用于蛋白质结构与分析和注释的hmmer中小工具
软件安装
conda install -c bioconda hmmer=3.3
在鉴定基因家族时，常用到的工具是hmmsearch，里面常用的算法有三种。一般我们使用--cut_tc算法对隐马可夫模型进行搜索，tc算法是使用pfam提供的hmm文件中trusted cutoof的值进行筛选，相对比较可靠。
以2015年发表文章Identification and distribution of the NBS-LRR gene family in the Cassava genome为例，解析其步骤。
分析流程如下图所示
首先根据NB-ARC 模型，利用hmmersearch 筛选质量较高的基因（E-value < 1 × 10−20）。 而后使用clustalw2对高质量的序列进行多序列比对，多序列比对后，对这些置信的序列进行隐马可夫模型的构建（使用hmmbuild），最后用新建的模型，重新对所需基因进行筛选。
第一步 筛选高质量NBS基因
## hmmersearh进行搜索
hmmsearch --cut_tc --domtblout NBS-ABC.out NBS-ARC.hmm \
Arabidopsis_thaliana.TAIR10.pep.all.fa
# --cut_tc: use profile's TC trusted cutoffs to set all thresholding
# --domtblout <f> : save parseable table of per-domain hits to file <f>
## 根据e-value 筛选高质量基因
grep -v "#" NBS-ABC.out|awk '($7 + 0) < 1E-20'|cut -f1 -d " "|sort -u > NBS-ARC_qua_id.txt
第二步：使用clustalw2进行多序列比较,构建新模型
比对具体步骤请看序列比对和构建进化树（clustalw和phylip）
hmmbuild NBS-ARC.second.out NBS-ARC_qua.aln
hmmsearch --cut_tc --domtblout NBS-ARC.second.out \
NBS-ARC_qua.hmm ../Arabidopsis_thaliana.TAIR10.pep.all.fa
第三步：再次进行过滤
grep -v "#" NBS-ABC.second.out|awk '($7 + 0) < 1E-03' | cut -f1 -d " "|sort -u >final.NBS.list
-
基于同源注释
简而言之，利用已知的NBS基因作为ref，进行blastp比对
如果要取得可信度较高的结果，可讲上述两种方法得到的基因取交集即可
com m -12 gene1 gene1 >common.list
欢迎扫码交流
参考
标签：cut,鉴定,NBS,基因,家族,--,ARC 来源： https://www.cnblogs.com/zhanmaomao/p/14352426.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。