基因家族分析策略

基本分析内容

• 数据库检索与成员鉴定
• 进化树构建
• 保守domain和motif分析
• 基因结构分析
• 转录组或荧光定量表达分析

---

数据库检索与成员鉴定

1. 数据库检索

一般在以下数据库进行检索：

• Brachypodiumdb:http://www.brachypodium.org/
• TAIR:http://www.arabidopsis.org/
• Rice Genome Annotation Project ：http://rice.plantbiology.msu.edu/
• Phytozome:http://www.phytozome.net/
• Ensemble:http://ensembl.gramene.org/genome_browser/index.html
• NCBI基因组数据库：http://www.ncbi.nlm.nih.gov/assembly/?term=

---

已鉴定的家族成员的获取

获得已发表某个基因家族的所有成员？

• 下载该物种蛋白序列文件（可以从上述数据库中下载），然后按照文章中的ID，找到对应成员。
• 对于没有全基因组鉴定的，从下列数据库中找：

• NCBI: nucleotide and protein db
• EBI: http://www.ebi.ac.uk/
• UniProtKB:http://www.uniprot.org/uniprot/

---

2. 比对工具

一般使用blast和hmmer,命令如下：

• localBLAST:

formatdb –i db.fas –p F/T
blastall –p blastp(orelse) –i known.fas –d db.fas –m 8 –b 2(or else) –e 1e-5 –o alignresult.txt. 

-b:output two different members in subject sequences (db).

• Hmmer:

hmmbuild --informatafaknown.hmmalignknown.fa; 
hmmsearch known.hmmdb.fas>align.out.

---

3. 过滤

• identity: 至少50%.
• Cover region: 也要超过50%或者蛋白结构域的长度.
• domain: 必须要有完整的该蛋白家族的。工具pfamdb 和NCBI Batch CD- search.
• EST 支持
• Blast and Hmmer同时检测到

---

---

进化树构建

1.基本步骤：

• 多序列比对
• model选择
  分别针对蛋白序列和核酸序列的模型选择程序。ProtTest program for protein and ModelTest or Jmodetlest for DNA
• 算法选择：NJ，ML，BI。
• 软件选择
  MEGA (bootstrap least 1000 replicates), phyML and Mrbayes
• 进化树修饰

---

2. 具体步骤：

• 多序列比对 一般采用muscle。
• 模型选择
  对于用蛋白序列构建进化树的可以采用一下命令

 java  -Xmx250m  -classpath  path/ProtTest.jar  prottest.ProtTest  -i alignmfile.phy

注意：
1）“.Phy” format. Only allow ten charaters.注意名字不能重复相同。
2）AIC: Akaike Information Criterion framework.
3）Gamma distribution parameter (G): gamma shape.
4）proportion of invariable sites: I.

• 构建进化树 一般ML树比较准确，但应结合方法，如NJ树，相互验证

意义：

• 聚类分析
• 亲缘关系鉴定
• 基因家族复制分析

进化部分分析，KaKs计算：

• 简单的方法. 可以使用下面的网页PAL2NAL
• 标准方法：.
  a. ParaAT: ParaAT.pl-h test.homologs -n test.cds -a test.pep -p proc –f axt –k -o output
  b. KaKs_Calculator –m NG(or else) -i test.axt -o test.axt.kaks
  c.分歧时间计算：Divergenttime（T） calculation.
  T=Ks/2λ. λ : mean 5.1-7.1×10-9 .
  d. Ka/Ks意义：
  Ka/Ks=1.中性进化。
  Ka/Ks<1.纯化选择。
  Ka/Ks>1.正选择。

---

---

基因结构分析

1.motif分析

使用MEME软件：

meme sample.fa -dna –revcomp -nmotifs 10  -mod zoops -minw 6-maxw 50>meme_htmlFormat.html

---

2.基因结构分布图

可以使用在线网站在线网站GSDS2.0

---

3.基因结构常见统计

a. The number of intron andexon.
b. The splicing intronpattern inculding 0,1,2 phase.
c. The marked region. Forexample kinase domain.
d. sequence length.
e. UTR

---

4. 启动子分析：

网站（主要做植物）：http://bioinformatics.psb.ugent.be/webtools/plantcare/html/
注意事项：

a. IE brower.
b. Only one sequence for oncesearch and the length was limited in 1000 bp.
c. DNA sequence origin: 1000 or1500 bp upstream of ATG of one gene.

来自：生信人1,2,3