基因家族分析套路

1、近年來，測序價(jià)格的下降， 導(dǎo)致越來越多的基因組完成了測序， 在數(shù)據(jù)庫中 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)識一下不測序也 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)容數(shù)據(jù)庫檢索與成員鑒定進(jìn)化樹構(gòu)建保守 domain和 motif 分析 .基因結(jié)構(gòu)分析 .轉(zhuǎn)錄組或熒光定量表達(dá)分析 .二、數(shù)據(jù)庫檢索與成員鑒定1、數(shù)據(jù)庫檢索1）首先了解數(shù)據(jù)庫用法，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)庫了Brachypodiumdb:Rice Genome Annotation Project：2）已鑒定的家族成員獲

2、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，最簡單的就是下載該物種蛋白序列文件(可以從上述數(shù)據(jù)庫中下載)，然后按照文章中的ID ，找到對應(yīng)成員。對于沒有全基因組鑒定的，可以下列數(shù)據(jù)庫中找：a. NCBI: nucleotide and protein db.2、比對工具。一般使用 blast 和 hmmer ，具體使用命令如下：Local BLASTformatdbi db.fasp F/T ；blastallp blastp(orelse) i known.fasd db.fasm 8 b 2(or else) e 1e-5 o alignresult .txt.-b:output t

3、wo different members in subject sequences (db).Hmmer (hidden Markov Model) search. Thesame as PSI-BLAST in function. It h as a higher sensitivity, but the speed islower.Command:3、過濾。Identity: 至少 50%.Cover region: 也要超過 50%或者蛋白結(jié)構(gòu)域的長度 .EST 支持Blast and Hmmer 同時(shí)檢測到4、通過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

4、族分析類文章中， 進(jìn)化部分分析的內(nèi)容。 主要是進(jìn)化樹的 構(gòu)建與分析。一、構(gòu)建進(jìn)化樹的基本步驟、多序列比對 . Muscle program.、算法選擇。三種 . NJ, ML and BI.、軟件選二、具體步驟2.1 多序列比對。一般采用 muscle 。因?yàn)?MUSCLE is one of the best-performing multiple alignment programs according to published benchmark tests, with accuracy and speed that a re consistently better than CLUST

5、ALW.2.2 模型選擇。對于用蛋白序列構(gòu)建進(jìn)化樹的可以采用下面命令：java -Xmx250m -classpath path/ProtTest.jar prottest.ProtTest -i alig nmfile.phy.運(yùn)行結(jié)果如下圖注意：1) “ .Phy ” format. Only allow ten charaters.注意名字不能重復(fù)相同。2) AIC: Akaike Information Criterion framework.3) Gamma distribution parameter (G): gamma shape.3) proportion of invari

6、able sites: I.2.3 構(gòu)建進(jìn)化樹2.3.1 意義：a 聚類分析。如亞家族分類。像 MAPKKK 基因家族通過進(jìn)化樹可以清楚分為 MEKK, Raf and ZIK 三個(gè)亞家族 .b 親緣關(guān)系鑒定。在進(jìn)化樹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( duplication events )，兩種復(fù) 制事件類型常采用的標(biāo)準(zhǔn)：Tandem duplication: Identity and cover region more than 70% and tight ly linked (Holub, 2001).2.3.2 進(jìn)化樹。一般 ML 樹比較

7、準(zhǔn)確，但應(yīng)結(jié)合方法，如 NJ 樹，相互驗(yàn)證。2.3.3 進(jìn)化部分分析： KaKs 計(jì)算a. ParaAT: ParaAT.pl-h test.homologs -n test.cds -a test.pep -p proc f axt k -o outputc.分歧時(shí)間計(jì)算： Divergenttime （ T） calculation.T=Ks/2 . : mean 5.1-7.1 ×10-9 .d. Ka/Ks 意義：Ka/Ks=1. 中性進(jìn)化。 .Ka/Ks<>Ka/Ks>1. 正選擇。Positively selected genes and produce

8、 fitness advantagemutations to ev olve new functions.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：meme sample.fa -dnarevcomp -nmotifs 10 -mod zoops -minw 6-maxw 50>meme_htmlFormat.html2、基因結(jié)構(gòu)分布圖用法如下：結(jié)果展示3、基因結(jié)構(gòu)常見統(tǒng)計(jì)信息：自己 excel 或?qū)懗绦蚪y(tǒng)計(jì)a. The number of intron andexon.b. The splicing intronpattern

9、inculding 0,1,2 phase.c. The marked region. Forexample kinase domain.d. sequence length.e. UTR.4、啟動(dòng)子分析。網(wǎng)站：主要做植物的：注意事項(xiàng)：a. IE brower.b. Only one sequence for oncesearch and the length was limited in 1000 bp.c. DNA sequence origin: 1000 or1500 bp upstream of ATG of one gene. 分析結(jié)果：基因家族分析套路（四）、轉(zhuǎn)錄組及芯片原始數(shù)據(jù)

10、下載網(wǎng)站1 、 。用法見下圖。 GEO 數(shù)據(jù) ID 命名規(guī)則： GPL->GSE->GSM.GPL: platformGSE: multiple series.GSM: multiple samples.GDS GSE. Thedifference concentrated on the data labeled GDS can be analyzed for one geneonline. It is simple and easily.The data in the sameGPL can be used to compare inexperiment2、該數(shù)據(jù)庫下載數(shù)據(jù)用法如

11、下：3、該數(shù)據(jù)庫下載數(shù)據(jù)用法如下，注意用戶名和密碼！4、5、DRA db （）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 AffyMicroarray 數(shù)據(jù)處理為例講述主要的命令如下：>eset <- rma(mydata);>write.exprs(eset,file="mydata.txt")>design <- model.matrix(-1+factor(c(1,1,2,2,3,3) # Createsappropriate de sign matrix.>col

12、names(design) <-c("group1", "group2", "group3") # Assigns column na mes.>fit <- lmFit(eset, design) # Fits a linear model for each gene based onthe g iven series of arrays.>contrast.matrix <- makeContrasts(group2-group1,group3-group2, group3 -group1, leve

13、ls=design) # Creates appropriate contrast matrix toperform all pair wise comparisons.>fit2 <- contrasts.fit(fit, contrast.matrix)# Computes estimatedcoefficients a nd standard errors for a given set of contrasts.>fit2 <- eBayes(fit2) # Computes moderated t-statistics and log-oddsof diff

14、erential expression by empirical Bayes>topTable(fit2, coef=1,adjust="fdr", sort.by="B", number=10) # Generates li st of top 10 ('number=10')differentially expressed genes sorted by B-values ('sor t.by=B') for firstcomparison group.>write.table(topTable(fit2,

15、 coef=1,adjust="fdr", sort.by="B", number=500),fi le="limma_complete.xls", s=F, sep="t") # Exports complete limma sta tistics table forfirst comparison group.>results <- decideTests(fit2,p.value=0.05); vennDiagram(results)運(yùn)用下面的命令進(jìn)行處理。1）獲得 cleandata ；fastx clipper :clip adapter.fastq quality filter: base quality control.fastq quality trimmer: trim 5' low quality bases.2）計(jì)算 RPKM.bowtie2-buildpath/db.seq path/dbtophat db read.fastqbam filter path/accepted hits.bamsamtools view -h -o output-uniq.