基因家族分析套路

基因家族分析套路（一）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:TAIR:RiceGenomeAnnotationProject：Phytozome:Ensemble:NCBI基因组数据库：=2）已鉴定的家族成员获取。如何获得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:nucleotideandproteindb.b.EBI::、比对工具。一般使用blast和hmmer，具体使用命令如下：LocalBLASTformatdb–idb.fas–pF/T；blastall–pblastp(orelse)–iknown.fas–ddb.fas–m8–b2(orelse)e1e-5–oalignresult.txt.-b:outputtwodifferentmembersinsubjectsequences(db).Hmmer(hiddenMarkovModel)search.ThesameasPSI-BLASTinfunction.Ithasahighersensitivity,butthespeedislower.Command:hmmbuild--informatafaknown.hmmalignknown.fa;hmmsearchknown.hmmdb.fasalign.out.3、过滤。Identity:至少50%.Coverregion:也要超过50%或者蛋白结构域的长度.domain:必须要有完整的该蛋白家族的。工具pfamdb()和NCBIBatchCD-search.().EST支持BlastandHmmer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.Muscleprogram.２、Model选择.分别针对蛋白序列和核酸序列的模型选择程序。ProtTestprogramforproteinandModelTestorJmodetlestforDNA().３、算法选择。三种.NJ,MLandBI.４、软件选择。MEGA(bootstrapleast1000replicates),phyMLandMrbayes().５、进化树修饰.MEGA:view-optionsandsubtree-drawoptions.Alsocanbedecoratedinword()二、具体步骤2.1多序列比对。一般采用muscle。因为MUSCLEisoneofthebest-performingmultiplealignmentprogramsaccordingtopublishedbenchmarktests,withaccuracyandspeedthatareconsistentlybetterthanCLUSTALW.2.2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/ProtTest.jarprottest.ProtTest-ialignmfile.phy.运行结果如下图注意：1）“.Phy”format.Onlyallowtencharaters.注意名字不能重复相同。2）AIC:AkaikeInformationCriterionframework.3）Gammadistributionparameter(G):gammashape.3）proportionofinvariablesites:I.2.3构建进化树2.3.1意义：a聚类分析。如亚家族分类。像MAPKKK基因家族通过进化树可以清楚分为MEKK,RafandZIK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c基因家族复制分析。研究基因家族复制事件（duplicationevents），两种复制事件类型常采用的标准：Tandemduplication:Identityandcoverregionmorethan70%andtightlylinked(Holub,2001).Chromosomalsegmentduplication:PlantGenomeDuplicationDatabase(PGDD:)2.3.2进化树。一般ML树比较准确，但应结合方法，如NJ树，相互验证。2.3.3进化部分分析：KaKs计算2.3.3.1简单的方法.可以使用下面的网页PAL2NAL()2.3.3.2标准方法：.a.ParaAT:ParaAT.pl-htest.homologs-ntest.cds-atest.pep-pproc–faxt–k-ooutputb.KaKs_Calculator–mNG(orelse)-itest.axt-otest.axt.kaksc.分歧时间计算：Divergenttime（T）calculation.T=Ks/2λ.λ:mean5.1-7.1×10-9.d.Ka/Ks意义：Ka/Ks=1.中性进化。.Ka/KsKa/Ks1.正选择。Positivelyselectedgenesandproducefitnessadvantagemutationstoevolvenewfunctions.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MEME，命令如下：memesample.fa-dna–revcomp-nmotifs10-modzoops-minw6-maxw50meme_htmlFormat.html2、基因结构分布图可以使用在线网站GSDS2.0：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.Thenumberofintronandexon.b.Thesplicingintronpatterninculding0,1,2phase.c.Themarkedregion.Forexamplekinasedomain.d.sequencelength.e.UTR.4、启动子分析。网站：主要做植物的：注意事项：a.IEbrower.b.Onlyonesequenceforoncesearchandthelengthwaslimitedin1000bp.c.DNAsequenceorigin:1000or1500bpupstreamofATGofonegene.分析结果：基因家族分析套路（四）一、转录组及芯片原始数据下载网站1、GEOdatesets/profile().。用法见下图。GEO数据ID命名规则：GPL-GSE-GSM.GPL:platformGSE:multipleseries.GSM:multiplesamples.GDS≈GSE.ThedifferenceconcentratedonthedatalabeledGDScanbeanalyzedforonegeneonline.Itissimpleandeasily.ThedatainthesameGPLcanbeusedtocompareinexperiment下面是在线分析转录组数据的用法：2、EBIArrayExpress()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、SRAdb()5、DRAdb（）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);library(makecdfenv);library……barleyGenome=make.cdf.env(“barleyGenome.cdf)mydata-ReadAffy()##choose“.cel“fileanalyzed.eset-rma(mydata);write.exprs(eset,file=mydata.txt)design-model.matrix(~-1+factor(c(1,1,2,2,3,3)))#Createsappropriatedesignmatrix.colnames(design)-c(group1,group2,group3)#Assignscolumnnames.fit-lmFit(eset,design)#Fitsalinearmodelforeachgenebasedonthegivenseriesofarrays.contrast.matrix-makeContrasts(group2-group1,group3-group2,group3-group1,levels=design)#Createsappropriatecontrastmatrixtoperformallpairwisecomparisons.fit2-contrasts.fit(fit,contrast.matrix)#Computesestimatedcoefficientsandstandarderrorsforagivensetofcontrasts.fit2-eBayes(fit2)#Computesmoderatedt-statisticsandlog-oddsofdifferenti