基因家族分析套路

1、近年来，测序价格的下降，导致越来越多的基因组完成了测序， 在数据库中 形成了大量的可用资源。如何利用这些资源呢？今天小编带你认识一下不测序也 能发文章的思路-全基因组基因家族成员鉴定与分析（现在这一领域可是很热 奥）；一、基本分析内容数据库检索与成员鉴定进化树构建保守domain和motif分析.基因结构分析转录组或荧光定量表达分析.二、数据库检索与成员鉴定1、数据库检索1）首先了解数据库用法，学会下载你要分析物种的基因组相关数据。一般也就 是下面这些数据库了Brachypodiumdb Genome Anno tati onProjectNCBI基因组数据库：）已鉴定的家族成员获取。如何获得

2、其他物种已发表某个基因家族的所有成员呢，最简单的就是下载该物种蛋白序列文件（可以从上述数据库中下载），然后按照文章中的ID，找到对应成员。对于没有全基因组鉴定的，可以下列数据库中找：a. NCBI: nu cleotideand prote in db.b. EBI:c.Un iProtKB、比对工具。一般使用 blast和hmme，具体使用命令如下：Local BLASTformatdb i p F/T ；blastall p blastp(orelse) i d m 8 b 2(or else) e 1e-5- o .-b:output two differentmembers in su

3、bjectsequences (db).Hmmer (hidden Markov Model) search. Thesame as PSI-BLAST in fun cti on. It has a highersen sitivity, but the speedislower.Comma nd:、过滤。Identity:至少 50%.Cover region:也要超过50%或者蛋白结构域的长度.domai n:必须要有完整的该蛋白家族的。工具pfamdb 和NCBI Batch CD- search. 支持Blast and Hmme同时检测到4、通过上述操作获得某家族的所有成员基因家族

4、分析套路(二)本次主要讲解在基因家族分析类文章中，进化部分分析的内容。主要是进化树的 构建与分析。一、构建进化树的基本步骤1、多序列比对.Muscle program.2、Model选择.分别针对蛋白序列和核酸序列的模型选择程序ProtTest program forproteinandModelTestor JmodetlestforDNA算法选择。三种.NJ, ML andBI.4、软件选择。 MEGA (bootstrapleast1000replicates),phyML andMrbayes 、进化树修饰. MEGA: view->options and subtree- dr

5、aw options. Also can be decorated in word 二、具体步骤多序列比对。一般采用 muscle。因为 MUSCLEisone of thebest-perform ingmultiplealig nmentprograms accordi ngto publishedben chmarktests, with accuracyand speed thatarecon siste ntlybettertha n CLUSTALW.模型选择对于用蛋白序列构建进化树的可以采用下面命令:java -Xmx250m -classpathpath/运行结果如下图1) “

6、.Phy” format. Only allow ten charaters.注意名字不能重复相同。2) AIC: AkaikeInformationCriterionframework.3) Gamma distribution parameter (G): gamma shape.3)proportionof invariablesites:I.构建进化树意义:a聚类分析。如亚家族分类。像 MAPKK基因家族通过进化树可以清楚分为 MEKK, Raf and ZIK三个亚家族.b亲缘关系鉴定。在进化树上位于同一支的往往暗示这亲缘关系很近,两种70%Datc基因家族复制分析。研究基因家族复制

7、事件(duplicationevents)复制事件类型常采用的标准：Tan dem duplicati on:Ide ntityand cover regi on more tha nand tightly lin ked (Holub, 2001).Chromosomal segme nt duplicati on:Pla nt Genome Duplicati onabase (PGDD:进化树。一般ML树比较准确，但应结合方法，如NJ树，相互验证。进化部分分析：KaKs计算简单的方法.可以使用下面的网页PAL2NAL标准方法：.a. ParaAT:-n -a -p proc f axt

8、k -o outputb. KaKs_Calculator - m NG(or else) -i -o 分歧时间计算：Diverge nttime (T)calculati on.T=Ks/2 入.入:meand. Ka/Ks 意义：Ka/Ks=1.中性进化。.Ka/Ks<>Ka/Ks>1.正选择。Positively selected genes and produce fitnessadvantagemutations to evolve new functions.基因家族分析套路（三）本节主要讲基因结构分析套路1、Motif 分析使用软件MEM，命令如下：meme -

9、dna -revcomp -nmotifs10 -mod zoops -minw 6-maxw 50>2、基因结构分布图可以使用在线网站：website用法如下：结果展示3、基因结构常见统计信息：自己 excel或写程序统计a. The number of intronandexon.b. The splici ngintron patter nin culd ing0,1,2 phase.c. The marked region.Forexample kinase domain.d. seque nee len gth.e. UTR.4、启动子分析。网站：主要做植物的:注意事项:a.I

10、Ebrower.b.Onlyone sequeneeforon cesearchandthelen gthwaslimitedin1000 bp.c.DNAseque nee origi n:1000 or1500bpupstream ofATGofonegene.分析结果:基因家族分析套路（四）、转录组及芯片原始数据下载网站1、 GEO datesets/profile ).。用法见下图。GEO数据ID命名规则：GPL->GSE->GSM.GPL: platformGSE:multipleseries.GSM:multiplesamples.GDSGSE.Thediffere n

11、eeconcen tratedon the data labeledGDSThe data in the sameGPL can be used to compare in experime nt下面是在线分析转录组数据的用法：2、EBI ArrayExpress该数据库下载数据用法如下：3、PLEXdb该数据库下载数据用法如下，注意用户名和密码！4、SRA db、DRA db（）二、数据处理拿到原始数据，要进行处理，才能进行后续数据分析。1、芯片数据。原始数据格式“ .cel ”格式。以AffyMicroarray数据处理为例讲述主要的命令如下：> library(affy);>

12、library(makecdfe nv);>library > barleyGe nome =")>mydata <- ReadAffy()#choose “ .cel“ filean alyzed.>eset <- rma(mydata);>(eset,file=”)>desig n <-(-1+factor(c(1,1,2,2,3,3)# Createsappropriatedesig nmatrix.>co In ames(desig n)<-c("group1", "group2&

13、quot;, "group3") # Assig nscolumn n ames.>fit <- lmFit(eset,desig n)# Fits a lin ear model for each gene basedon thegive nseries of arrays.> <-makeC on trasts(group2-group1,group3-group2,group3-group1, levels=desig n) # Creates appropriate con trast matrix toperform all pairwis

14、e comparis ons.>fit2 <- (fit, # Computes estimatedcoefficie ntsand sta ndard errors for a give nset ofcon trasts.>fit2 <- eBayes(fit2) # Computes moderated t-statistics and log-o ddsofdiffere ntialexpressi on by empirical Bayes>topTable(fit2, coef=1,adjust="fdr",="B&quo

15、t;, number=10) # Gen erates list of top 10 ('nu mber=10')differe ntiallyexpressed genes sorted byB-values ('=B') for firstcomparis on group.>(topTable(fit2,coef=1,adjust="fdr",="B",nu mber=500),file="",=F,sep="t")# Exports complete limma sta

16、tistics table forfirst comparison group.>results <- decideTests(fit2,=;venn Diagram(results)2、转录组数据处理。原始数据格式为sra或fastq格式。Sra可以转换为fastq然后运用下面的命令进行处理。1) 获得 cleandata ；fastx clipper:clipadapter.fastq quality filter:base qualitycon trol.fastq quality trimmer:trim5'low quality bases.2) 计算 RPKM.bowtie2-buildpath/path/dbtopha