基因家族分析(1) 基因家族成员的鉴定

最近有小伙伴问为怎么多快好省的发个论文顺利毕业，作为生物圈里的当事人当然推荐基因家族分析了，于是乎准备整理这一系列文档。在本文档中我主要侧重于后续的数据可视化，因为物种不同数据筛选略有差别，但数据可视化是不变的，废话不多说立马上干货

一. 基因的鉴定

本文档选择的物种为棉花，因为数据库全好获取资料，通过以下链接下载数据库，包括基因组数据，gff文件，氨基酸序列，CDS序列

wget https://cottonfgd.org/about/download/assembly/genome.Ghir.CRI.fa.gz
wget https://cottonfgd.org/about/download/annotation/gene.Ghir.CRI.gff3.gz
wget https://cottonfgd.org/about/download/sequence/seq.Ghir.CRI.fa.tar.gz

那么怎么对基因进行鉴定那，通常是利用别的物种中的已知基因来鉴定此物种。

(1)构建本地蛋白数据库

makeblastdb -in Gh_pep.fa -dbtype prot -title Gh_pep.fa

(2)种子序列检索本地蛋白数据库

种子序列即其它物种中此基因的序列

blastp -query 种子序列.fa -out 候选蛋白.txt -db Gh_pep.fa -outfmt 6 -evalue 1e-10

通过数据检索我们会获得候选蛋白的ID，根据此ID从数据库中提取相应序列

seqtk subseq Gh_cds.fa 序列ID | seqtk seq -l 50 > CDS.fa
seqtk subseq Gh_pep.fa 序列ID | seqtk seq -l 50 > pep.fa

注:棉花的序列可以直接根据ID从面棉花在线数据库中提取出来，很是方便
此时我们有了候选蛋白序列，之后通过NCBI-CDD，Pfam，KEGG等数据库对候选蛋白进行检验，从而确定其基因家族成员。

二. 后续可视化分析

基因家族的后续可视化主要有以下展示方式

(1) motif分析蛋白保守基序
(2) 蛋白保守结构域分析
(3) 基因结构分析
(4) 构建系统发育树
(5) 基因表达量分析
(6) 串联重复基因分析
(7) 计算Ka/Ks值
(8) 顺势作用元件分析
(9) 染色体定位

基本只要把图绘制好一篇文章就成了，下面让我开始基因家族数据可视化的旅程