写在前面
很多时候，我们会得到一个基因集合：
- 通过GWAS定位到几个区间，每个区间有一堆基因，合并起来是一个集合；
- 通过RNAseq转录组数据分析，差异表达基因，有一个集合；
- 通过 WGCNA 共表达网络构建，会有一个个的基因集合......
当然，还有很多很多基因集合，针对这些基因结合，目前常见的是两个分析：
- 直接基于蛋白相似度，使用 Stringdb 映射蛋白互作网络，这个在 TBtools 主程序的 PPI Predict 功能可以快速实现；
- 做基因集功能富集分析，这块无需解释，TBtools 主程序以及几个优秀的插件都能处理。
然而，还有一个分析我们经常提到，却很少人去折腾一个易于使用的工具，进而导致相关分析其实很少人知道怎么做，甚至都没发现这个分析的存在意义。而这个分析就是：
- 确认基因集合中的转录因子，TF
- 基于转录因子的 Binding Motif 检索基因集合启动子区域是否存在 Binding Sites
逻辑上，我们可以通过这类相互调控关系，构建一个初步的基因间转录调控网络，结合差异表达或者共表达网络分析，或许能让我们得到更多信息。 至于操作，使用 TBtools 分析来做则确实简单。
安装插件
为了完成上述分析，我写了两个插件。可以直接从插件商店下载。
直接安装即可。
Plant TF Binding Motif Shift
我们手上只有一个物种的所有蛋白序列（每个基因一个代表性转录本对应的蛋白序列），首先第一件事是确定哪些基因是TF，同时能初步获得这些 TF 的 Binding Motifs。实现逻辑上，使用 TBtools 之前的 Best ID Convert 功能，映射拟南芥的 TF ，最后提取拟南芥对应 TF 的 Binding Motifs （从 PlantTFdb 或 JASPAR 数据库获取）就可以了。这个操作，逻辑上比直接MYB就找MYB，NAC就找NAC来得靠谱一些，毕竟“直系”同源或者“同个分支”的TF Binding Motifs 的保守性更高一点点。
使用简单，打开插件
随后只要做两个设置：
- 给一个感兴趣的蛋白序列集合，最好是目标物种的所有蛋白序列
- 设置一个输出文件
运行完后才能后，可以看到输出文件。注意，如果是整个物种的所有蛋白序列，可能要过夜培养
Fimo Binding Site Scan
当我拿到了 Motifs 文件（其实是频次矩阵，这个文件可以通过上述获取，也可以自行到 JASPAR 等数据库下载云云），就可以直接扫描核酸序列了，比如目标物种的所有基因的 Promoter 序列，或者某个基因集合（如共表达模块基因）的 Promoter 序列。
至于操作，参考界面提示即可。
- 给定一个 Motifs 信息文件，如上述获得
- 给定一个启动子序列信息
- 设置一个输出目录
运行完成后，可以看到
逻辑上，这些文件的信息是等价的，其中 fimo.html 和 fimo.tsv 可能最多人感兴趣。此处直接看 fimo.html
类似的，如果需要基因调控网络，简单整理 tsv 文件即可。
当然，我个人是认为，干脆就做一次去物种所有蛋白的扫描，结果保留好了。后续需要啥即用 TBtools 的 Text Row Manipulate 提取就好了。
写在最后
直接用 TSV 就可以进行 Cytoscape 可视化了。
网友评论