基因课FTP地址：ftp://http://gsx.genek.tv/2020-3-10%E7%9B%B4%E6%92%AD%E4%B8%80%E4%B8%AA%E5%AE%8C%E6%95%B4%E7%9A%84%E8%BD%AC%E5%BD%95%E7%BB%84%E9%A1%B9%E7%9B%AE/
听张旭东老师的课

基础知识

• 基本假设：序列一级结构相似 → 功能相似
• biomart R语言软件包，基因功能查询

少量蛋白注释去数据库查找

• Uniprot
• Nr
• Swiss Prot
• tramble
• Pfam

大量蛋白功能注释流程

• blast + Nr很慢

• Diamond软件，快两万倍

  
  蛋白功能注释流程
• 基因注释：同源注释 → 功能分类
• 基于相似性的比对的算法是基于：动态规划算法
  • 两条序列来回滑动 → 找到相似(相似性块HSP) → 打分 → 滑动 → HSP → 打分 → ...
  • 缺点，假设整条序列相似性相同，与现实不相符
• 基于结构域的比对算法
  e.g. 抗性基因(R基因)结构域 常见的有NBS结构域，抗性基因的保守结构域更为重要
  NBS结构域、TIR结构域等
  interpro是一个庞大的整合结构域数据库，整合了Pfam等各种数据库，整合后开发的软件是interproscan
• 功能分类
  • GO分类，完整的描述基因功能的方法,三个角度描述基因功能,较为粗糙，80%基因能做
    MF 分子功能
    BP 生物学过程
    CC 细胞组分
  • KEGG pathway
    代谢pathwy注释
  • COG/KOG基因家族分类
    跨物种说法
    通过物种分化产生的基因 —— 直系同源基因
    通过拷贝产生的基因 —— 旁系同源基因
    大的基因分类，每个物种24个，用A-Z表示

基因功能注释软件、平台

• blast2go
  收费
• InterproScan
  好用，安装步数复杂，运行慢
• eggNOG-mapper
  推荐，好用哦
  网页 http://eggnog5.embl.de/#/app/home
  搜索eggnog即可
  蛋白序列上传到网页，留下邮箱，第二天可收到结果
  也可以部署到本地linux服务器
  蛋白序列名称要正确，不能是转录本名称

eggNOG-mapper参数

• Taxonomic Scope # 选择物种，动物、植物等
• Orthology restrictions # one to one orthology比any要精确，前者适合大量近源物种都已经被测序的物种，如禾本科物种；后者适合近源物种研究不多的物种，如裸子植物。
• 序列少直接跑，序列多需要邮件确认，点击run

注释结果解读

• geneID
• seed_eggNOG_ortholog # 比对上的seed序列
• preferred_name # 给你蛋白序列起个名字
• GO
• KEGG
• COG/KOG代号
• 功能详写

表达数据挖掘三张表

• 表达矩阵
• 样本信息表
• 基因信息表

表达数据挖掘三张表

• 对于将不同文章放在一起的数据分析要注意批次效应

题外话

• 基因家族鉴定要用到Orthomcl做基因家族聚类、鉴定，Orthofinder更新

---

• 参考文章
  寻找同源基因工具OrthoMCL与OrthoFinder的安装与使用