基于全基因组的基因家族分析(2):SlNRAMP家族基因成员鉴定

大家好,我是技能树的老朋友啦,三年前在群主的第一波RNA-seq入门8步活动中因为表现优异获得群主青睐成为技能树VIP一员,也开启了自己的学习经验分享人生!

转录组入门传送门

考虑到技能树过于偏重于肿瘤等疾病领域经验分享,我有必要自告奋勇推荐一下自己的我们植物学领域的生物信息学应用心得体会,会以4个头条的形式发布,也欢迎大家点击原文直达我的博客!

全基因组基因家族的分析系列之HMMER3.1使用

基于全基因组的基因家族分析(1):数据准备

1.找到你所感兴趣的基因家族

番茄(Solanum lycopersicum),最喜爱的蔬菜水果之一。摘录维基百科最基本的介绍,详细了解番茄的起源,自行Google。小编还是喜欢Transporter gene family,就觉得特别有意思。植物对于各种营养元素的吸收,都需要其帮助,一旦缺少了,轻则营养不良,重则一命呜呼。本次流程,我选择了The natural resistance-associated macrophage protein (NRAMP)家族。

The tomato (see pronunciation) is the edible, often red, fruit of the plant Solanum lycopersicum, commonly known as a tomato plant. The plant belongs to the nightshade family, Solanaceae.

2.获取基因家族pfam number

  • 进入官网https://pfam.xfam.org/,主页如下:

    pfam主页
  • 选择KEYWORD SEARCH,来直接搜索“NRAMP”。点Go,进入搜索结果页面。

    KEYWORD SEARCH灰色状态
    搜索结果
  • 选择第一个Accession number:PF01566,进入以下界面

    NRAMP家族信息界面
  • 左侧栏选择Curation&model,进入如下界面:

    model界面
  • 可以看到第二张表格,HMM information,点击表格最下面的download链接,就可以下载Stockholm格式的HMM文件。

3. 利用hmmsearch进行基因家族初步筛选

  • 最基本的语法:hmmsearch Nramp.hmm protein.fa > out,一般我只用到这么简单的语法。

Nramp.hmm 是上一步下载到的文件
protein.fa是番茄全基因组蛋白序列文件
out是重定向的输出的文件

  • 找到的成员信息,可以看出来,初步找到了共10个NRAMP成员。但是根据拟南芥和水稻的成员数目(各自是6个和7个),估计番茄不会有那么多的成员。此外,从score一栏发现,其中只有5个成员的分数在200以上,可靠性相对比较高。但是不管怎么样,还是先把所有成员的蛋白序列download下来,进行保守结构域分析。

    Nramp.hmm文件
    out输出文件的内容
  • 批量获取家族成员信息

大致思路:首先从out输出文件的内容中,将其中的geneID截取下来,然后再根据ID号将蛋白序列从protein.fa文件中获取所有家族成员。

代码如下:

# 截取id号
vim out
# 获取id号所在的行号,然后再用sed命令截取行,再用grep命令将id号匹配并重定向。
在vim命令模式下,输入“:set nu”
# sed命令截取,并用管道符直接输入给grep,匹配重定向到id文件
sed -n '17,26p' out | grep -o "Sol.*\.1" > id
# 利用samtools工具来进行序列提取
# 首先建立索引文件
samtools faidx protein.fa
# 再将id好作为输入,之后在重定向
# 参考链接:https://www.biostars.org/p/49820/
xargs samtools faidx protein.fa < id > nramp_protein
less nramp_protein
# 得到的序列文件是含有回车符的,我利用一个perl单行命令将fasta格式的多行序列变成单行的fasta格式序列,链接:http://www.biotrainee.com/thread-291-1-1.html
perl -pe '/^>/ ? print "\n" : chomp' in.fasta | tail -n +2 > out.fasta
# 最后在samrt网站确认是否是该家族成员,进行最后的鉴定。链接:http://smart.embl.de/smart/set_mode.cgi?NORMAL=1

行号显示
会多这样一个fai后缀的索引文件
含有NRAMP结构域的基因

4.写在最后的感想

还是没有及时的更新,虽然一直想写,但作为实验gou,我只能将大部分的时间用来实验了,从而没有过多的时间来写。挺对不起一个读者,我之前回答说的是上个礼拜更新的,可是最后还是拖了一个礼拜。

今天实验室聚餐,各种情况都出现了,感觉大家都是不容易,外人看来都是很光鲜亮丽,很不错的工作,但是这背后的背后,有多少的辛酸能被人所理解,有时候还真是需要诉说。

最近在做基础序列的发掘分析,感觉主要就是对于各种文本文件的截取,需要用到很多shell命令,发现自己很欠缺这方面的,开始特别困难,之前从来没有实战过,只是看教程,对于真正的项目分析,还是非常欠缺。这里强烈推荐群主的74小时教学视频中的linux,如下:

到现在,还是学到了很多,在实践中去补充自己的不足,一边摸索一边学习还是收到了很多的收获。

(0)

相关推荐