真核基因组分析常规流程

真核基因组分析常规流程一，二代数据质量控制二代测序数据质量控制软件FastQC分析的内容包括：测序数据的基本信息每个碱基的质量值每条reads序列的质量值每条序列的ATCG组成每条序列N的含量每条序列的长度分布序列中duplication程度K-mer信息软件信息：二，数据过滤过滤掉低质量值的reads过滤掉接头过滤掉N含量多的reads过滤掉长度过短的reads过滤掉PCR重复三，组装组装软件可以根据基因组情况选择，具体方法参看软件说明。四，组装结果评估1）将组装用reads回贴到组装的基因组上，看readsmappingrate来评估组装的质量可以使用bwa来比对，samtools来统计2）使用CEGMA来评估组装的完整性CEGMA(CoreEukaryoticGenesMappingApproach)isapipelineforbuildingasetofhighreliablesetofgeneannotationsinvirtuallyanyeukaryoticgenome.Thestrategyreliesonasimplefact:somehighlyconservedproteinsareencodedinessentiallyalleukaryoticgenomes.WeusetheKOGsdatabasetobuildasetofthesehighlyconservedubiquitousproteins.Wedefineasetof458coreproteins,andtheprotocol,CEGMA,tofindorthologsofthecoreproteinsinnewgenomesandtodeterminetheirexon-intronstructures五，基因组注释1）重复序列注释2）基因注释3）蛋白功能注释蛋白结构注释：interproscan同源注释：swissprottremble数据库通路：kegg数据库六，进化分析1）基因家族聚类同源的蛋白质可以分为直系同源与旁系同源，当同源是基因复制的结果，两份拷贝在一个物种的历史上是平行演化的，这样的基因被称为旁系同源基因。当同源是物种形成的结果，基因的历史反映了物种的历史，被称为直系同源；直系同源是不同物种内的同源序列，他们是来自于物种形成时的共同祖先基因；通常认为直系同源的序列具有相似的生物学功能；使用OrthoMCL聚类2）系统发育树构建选取所有物种的单拷贝同源基因，分别进行比对，连成一个supergene，提取四倍简并位点构建系统树3）分歧时间计算使用PAMLmcmctree计算分歧时间利用里面的时间进行校对4）4dtv距离分布计算使用mcsan寻找共线性基因对，计算共线性基因对的4dtv距离，作出分布图。5）Ks分布计算流程的功能1，检测物种（植物）是否有过近期全基因组复制或者大规模复制事件。2，估计该物种全基因组复制的时间范围。流程实现1，根据基因家族聚类的结果找到每个家族的每条基因2，根据BLASTP结果找串联重复基因家族（基因间插入数小于20视为串联）3，对每个基因家族的序列做muscle比对4，转换成cds的phylip格式5，使用PAML中的yn00计算基因家族中序列俩俩的Ks值6，去掉大于2的Ks值取中位或者平均值来代表这个基因家族每个copy的Ks（若该基因家族有N个基因，则发生过N-1次复制）7，以每0.5为单位加和这个区间的Ks8，作图分布图6）共线性分析Mcscan的结果，过滤后做点图或用circos作图7）正选择利用blastall找到两两比对的besthit，利用lastz比对genepair,输入kaks_calculator计算ka/ks。