基因筛选及基因家族分析流程问题 2020-11-17

写在前面

##先mkdb好库
-rw-r--r-- 1  mkdb2020.sh
-rw-r--r-- 1  Paorum.fa
-rw-r--r-- 1  Paorum.fa.nhr
-rw-r--r-- 1  Paorum.fa.nin
-rw-r--r-- 1  Paorum.fa.nog
-rw-r--r-- 1  Paorum.fa.nsd
-rw-r--r-- 1  Paorum.fa.nsi
-rw-r--r-- 1  Paorum.fa.nsq
##再准备好脚本
-rw-r--r-- 1  work.sh
-rw-r--r-- 1  sp.lst
-rw-r--r-- 1  exonrate.sh
-rw-r--r-- 1  queries.fas

报错

print() on closed filehandle OUT at /zfssz3/NASCT_BACKUP/MS_PMO2017/lv/lv/software/ysoftware/bin/gene_predict/call_genewise.pl line 165,  line 1.
print() on closed filehandle OUT at /zfssz3/NASCT_BACKUP/MS_PMO2017/lv/lv/software/ysoftware/bin/gene_predict/call_genewise.pl line 169,  line 2.

1. 报错与sp.lst是否加.fa无关
2. blast新旧版本不一致导致序列ID前加入了不可识别的gb| |以致后续不能提取序列nuc，故blastfoamtdb和后面的都需保持一致版本

$ cat Aciculata.pos
L1998_T1/1_T_WB-D1  gb|AZMS01S00010088.1|   +   70717   111986
L1998_T1/1_T_WB-D2  gb|AZMS01S00083152.1|   +   54377   124604
L2916_T1/1_T_WB-D1  gb|AZMS01S00083152.1|   +   54272   112779

3. line 165不能print OUT 是因为id这个变量没赋值成功导致的，进而推断是call_genewise.pl的输入文件有误

142 #################################################################################################
    143 sub sequence_parser {
    144 my $in_file = shift;
    145 my $out_dir = shift;
    146 my $type = shift;
    147 open IN, $in_file;
    148 open OUT, $in_file;
    149 my $out_file;
    150 while () {
    151         if (/^\s*>/) {
    152                 close OUT;
    153                 my $id;
    154                 if ($type eq "nuc") {
    155                         $id = (split /\s+/)[0];
    156                         $id =~ s/^>//;
    157                         $id = (split /##/, $id)[0];
    158                 } elsif ($type eq "pep") {
    159                         $id = (split /\s+/)[0];
    160                         $id =~ s/^>//;
    161                 }
    162                 $out_file = "$out_dir/$id.fa";
    163                 $out_file =~ s/\|/_/g;
    164                 open OUT, ">$out_file";
    165                 print OUT;
    166         } else {
    167                 s/^\s+$//;
    168                 s/^\s+|\s+$//g;
    169                 print OUT uc($_), "\n" if $_;
    170         }
    171 }
    172 close IN;

        perl /zfssz3/NASCT_BACKUP/MS_PMO2017/lv/lv/software/ysoftware/bin/gene_predict/call_genewise.pl --pep $sp/$sp.pep --nuc $sp/$sp.nuc --list $sp/$sp.strandList --key $sp --out $sp/ --num $jobNum
        cd ./$sp/result

4. 检查各输入文件，发现各个ID上都带有/符号，推测是此原因，故而进行替换为_，后解决

L9283_T1/1_T_V-D4  -
L9283_T1/1_T_V-D5  -
Aciculata.strandList (END)

sed 's:/:xie:g' queries.fas > queries.fas3
sed 's:|:shu:g' queries.fas3 > queries.fas4

---

更新问题

---

最后预测得到的位置信息解释>DesHic_hcG_CAB89497.1-D6##HiC_scaffold_14##62993454##63035710(30257-12000)

         Query: hcG_CAB89497.1-D6
        Target: hcG_CAB89497.1-D6##HiC_scaffold_14##62993454##63035710  HiC_scaffold_14:62993454-63035710:-  len=42257:[revcomp]
         Model: protein2genome:local
     Raw score: 2103
   Query range: 2 -> 627
  Target range: 30257 -> 12000

• ##62993454##63035710为原scaffold上的绝对碱基所在位置区间，是经过延伸截取出来做精细预测全长的

homologGenePredict.sh $pep.m8.solar.cor.idAdd.selected $pep $ref DesHic 12000 20 1

perl /zfssz3/NASCT_BACKUP/MS_PMO2017/bin/gene_predict/get_pos.pl $solar >$sp/$sp.pos
        perl /zfssz3/NASCT_BACKUP/MS_PMO2017/bin/gene_predict/extract_sequence.pl --pos $sp/$sp.pos --fasta $genome --extent $extend >$sp/$sp.nuc
        perl /zfssz3/NASCT_BACKUP/MS_PMO2017/bin/gene_predict/prepare_pep.pl  $sp/$sp.pos $pep >$sp/$sp.pep
        awk '{print $1 "  "$3}' $sp/$sp.pos >$sp/$sp.strandList
        perl /zfssz3/NASCT_BACKUP/MS_PMO2017//bin/gene_predict/call_genewise.pl --pep $sp/$sp.pep --nuc $sp/$sp.nuc --list $sp/$sp.strandList --key $sp --out $sp/ --num $jobNum

• (30257-12000)为截取的基础上的确定位置，也就是##62993454在这个计算中是为第一位

• 请注意CDS DNA序列结果和核酸序列结果的不同

cds #预测得到去除了内含子的结果
final # 预测包含所有外显子和内含子信息
nuc # 预测前延伸截取的核酸目标区域，注意不是target的预测得出的核酸全长
pep # 预测前query的氨基酸序列

• 请注意-是指反向互补序列编码，DNA编码原则-都是指反向互补编码，不只是反向！！！
  Query range: 2 -> 627 Target range: 30257 -> 12000

less -i打开后是不区分大小写查找
CACGGTCATGGTCATCAT是GTGCCAGTACCAGTAGTA的反向互补序列