https://www.jianshu.com/p/9f96fc7438aa

一：预测基因的顺式作用原件

id

需要用到第一步生成的NB-ARC基因ID文件，由于是是可变剪切，所以需要把上图的.后面的删掉再去重复，之后的文件用于到gff文件中查找位置信息（也可以拿到excel中完成）。

粘贴--分列--分隔符--其他（填.号）--完成。
选择第一列--删除重复项--只选列A
最后将第一列的数据存为id_to_position.txt用于获取gene位置信息。

1. 首先根据已经获得的ID号从gff文件中获取染色体位置信息

首先我们看一下拟南芥的gff文件。

拟南芥gff

# 根据geneid批量获取基因的染色体位置信息文件
$grep -f id_to_position.txt Arabidopsis_thaliana.TAIR10.41.gff3 | cut -f 1,4,5,7,9 | grep "transcript_id=.*"|sed 's/;Parent=AT.*//g'| sed 's/ID=*//g' >mRNA_bed

利用grep -f 将id文件中的geneid号逐行匹配（第一个管道之前的代码）。接着将匹配到的内容用cut -f 进行列截取，包括染色体名，起始位置，终止位置，正负链信息以及基因注释说明（第一个和第二个管道符之间的代码）。因为我们需要的是gene序列也就是编码mRNA的那部分而不是exon或者intron，但是在ID部分都属于该基因。因此还要将切割完的序列匹配transcript_id=AT.*的行，这才是我们真正需要的序列。用grep匹配字符（第二和第三管道符之间的代码）。最后用sed将多余的信息替换成空白，将文本最简化（染色体位置信息图所示）。

提取结果

# 利用bedtools工具，将基因序列提取出来并重定向到新文件
$bedtools getfasta -fi Arabidopsis_thaliana.TAIR10.dna.toplevel.fa -bed mRNA_bed -name > gffmRNA_gene_seq

使用bedtools工具的getfasta选项，用来提取序列，-fi是用来指定基因组fasta格式文件，-bed用来指定染色体位置信息文件，-name用来确定基因的名字，最后重定向。可以看到>后的名称是基因ID，染色体及起始和终止位置。

---

---

---

上面我是用的mRNA的位置位置信息，但是我看视频有的用的gene的位置信息，所以我把gene的位置信息也抓出来了。

---

---

$grep -f id_to_position.txt Arabidopsis_thaliana.TAIR10.41.gff3 | cut -f 9,1,4,5,7 | grep "gene_id=.*"| sed 's/;Name=.*//g' |sed 's/;biotype=.*//g'| sed 's/ID=*//g' >gene_bed

比较一下

最终提取出来的seq也有一点差别。

gffmRNA
gffgene

二：获取gene位置上游1500bp的序列信息

之前我们的位置信息第一列不是geneid，所有自己把最后一列的位置信息改到第一列，然后用perl脚本抓取。

perl ./get_1500bp.pl Arabidopsis_thaliana.TAIR10.dna.toplevel.fa gene_weizhi.txt genecis_1500b

genecis_1500bp文件类容就是我们需要的。
之后就可以那这个文件里的序列到PLCAE及Plant CARE在线的网站上去搜索，最后筛选你需要的作用元件。

1. PLANT CARE

网站

缺点是这个网站一次只能传一条序列

PLANT CARE

等一会就回返回两个文件：

结果文件

部分结果

顺式作用元件较多时可以根据功能注释进行筛选，选择自己感兴趣的顺式作用元件进行类似下图可视化作图（具体作图操作下期介绍）。

三：绘图

推荐一个在线绘图软件叫GSDS，其实就是之前绘制转录本结构的软件。
一款绘制基因结构的软件

1.准备绘图数据

• 1.gene的信息，格式如下

  
  格式

• 2.feature的文件，格式如下

AT1G09665   251 259 AT~TATA-box
AT1G09665   253 259 AT~TATA-box
AT1G09665   596 603 AAGAA-motif
AT1G09665   1379    1388    Unnamed__2
AT1G09665   751 760 WUN-motif
AT1G09665   441 447 GT1-motif
AT1G09665   394 400 Box4
AT1G09665   1195    1201    G-Box
AT1G09665   1349    1355    TGA-element

格式

将我们在在线网站上预测的数据转换成上面的数据。

这是我们获得文件

我们需要第二列，第4列，和4列加上第5了的和，最后加上geneID，我自己在excel中完成。

结果

最后将结果导入到AI中美化。