最近在写文，其实写结论反倒是最简单的（这里的简单不是说传统意义上的简单，只是不麻烦，动脑子查查其他论文，实在不行扔给我导就行（并不）），我最讨厌的是把数据描述出来的最基础那块的统计。比如原始数据质量啊，基因组基础数据啊，（这就体现了为什么雅思考试要求让你会各种各样的图表描述），我这手上四个物种，数据上都大差不差的，所以要格外小心别弄串了。然而我天生就是那种大大咧咧的性格，所以很让我抗拒这个阶段。
一边总结流程一边写文章。
1.得到下机原始数据后，生信步骤|kmc+genomescope进行基因组调查 - 简书 (jianshu.com)。
基因组servey之后就是组装，现在我看大多数都有HiC（hifiasm软件组装），组装这块我却哈斯哈斯不太懂，我了解到的是用二代补三代。
2.然后就是基因组注释。分重复序列和基因集结构注释。也可以加ncRNA注释【基因组注释】ncRNA注释 - 简书 (jianshu.com)
重复序列：repeatmasker repeatmodeler 我用的是陈连福老师的geta流程的重复序列注释部分。然后把生成的lib，和EDTA的lib合并 再重新运行pararepeatmasker，最后的重复序列含量会多一些。
基因集结构注释：分同源和denovo，同源就是找拟南芥 水稻那种已经有注释结果gff，pep的物种，传统注释是有genewisehegenemark，最后用的是gemoma（好像conda可以安装），但是需要有转录组数据。denovo我用的是maker流程，但是在maker流程里面我也添加了同源的证据，也用了augustus，和snap之类的 （Introduction to Maker - Bioinformatics Workbook
）。如果有转录组注释就是，先给基因组index，trimmomatic（需要你知道你测序的adaptor是什么）生成paired结果，然后hisat-stringtie组装转录组基因组（或者直接trinity），transdecoder注释。
最后最后就是用EVM整合所有手段得到的gff文件。
然后可以和近缘已研究的物种进行比较，出一个大表格。
3.全基因组复制。
得到gff之后可以做的事更多了。jcvi（就是MCScan的python版本）做共线性，ParaAT.pl和KaKs_Calculator3.0找4dtv位点计算WGD时间。之后找一堆你想做树的物种的pep，把基因ID和物种对应上方便后面提取。还有个好玩的网站是Orthovenn（OrthoVenn3 (bioinfotoolkits.net)
）。这个结果可以做着玩看一眼。然后Orthofinder。有单拷贝基因之后可以用做树的软件（RAxML 或者iqtree 再或者MEGA）做树，添加化石时间证据还可以生成带时间的树（mcmctree或者r8s）。画树可以用Figtree或者在线的iTOL。然后cafe5能找扩张和收缩的基因家族，找到扩张的基因家族就可以做个功能注释（eggnog-mapper）主要就是找大背景然后自己研究物种的里面有哪些是相对富集的。GO：从eggNOG进行GO注释到使用clusterProfiler富集分析_comparecluster-CSDN博客。 KEGG：使用clusterprofiler中的enrichr对非模式植物进行KEGG分析 - 简书 (jianshu.com)。 KEGG做植物的分析要注意有可能会注释到动物，要记得筛选玩转KEGG (二)——植物富集到了动物通路？难不成咱研究的植物人儿😂 - 知乎 (zhihu.com) 。
我打算是年前先把这些描述写完...
网友评论