TBtools(v1.089)的sequence toolkit常用功能介绍:
fasta extract (recommended)
给出序列的ID,可以提取特定序列,要点Initialize。
fasta stats
查看序列文件的统计信息。
sequence manipulate (rev&comp)
对序列进行正反链的互换,点击reverse和complement。
对序列进行单行处理,并将序列转换成大写,点击uppercase和seq in one line。
只显示文件的ID或序列。
ID simplify
可以去除ID之后的tab分隔符后面的全部内容。不用选参数。
ID rename
对文件中序列的ID进行重新命名,需要输入旧ID与新ID,中间用tab分隔符隔开。
ID prefix
可以在全部的序列ID前面加几个字母。
fasta to table convert
将fasta格式,转换成普通的桌面格式,只是去掉>,将序列排在ID后面而已。
merge and split
merge: 将两个fasta序列文件融合成一个fasta文件。split: 将含有一堆序列的文件分成含有一条序列等的多个文件,如“spilt into: 1, split mode: record per file”,就可以将原本含有50条序列的某个文件,分割成50个文件,每个文件只有1条序列。
sequence pattern locate
对某个特定的序列进行搜索定位,如对“aaatt”这个特定的序列进行搜索,就会显示序列文件中该短序列的对应的基因ID和位置。
complete ORF predict (batch mode)
提取全基因序列中的CDS序列,要求:真核;确保有完整的CDS。输出文件会有三个,一个是CDS序列文件,一个是CDS翻译出来的蛋白序列文件,一个是找不到确凿的ORF的序列文件。
batch translate CDS to protein
将CDS转换成蛋白序列,输出文件会有*,代表终止密码子,可以用notepad++注意查看*与>的数量是否相同,若不同则代表某条序列提前出现了终止密码子,这个务必注意,可以用notepad++去除末尾的*号。
Primer check (simple e-PCR)
检查一下引物是否匹配而已,若匹配,会有框框出来,不匹配就会error,做引物还是用snapgene软件好些。
GXF sequences extract
NCBI下载基因组文件和GFF文件,并提交到该工具对应框框中,记得点initialize,就可以提取CDS,gene,transcript,lnc_RNA,上游启动子序列(选CDS,parent,upstream bases 2000, retain only upstream or down stream bases)。
GXF gene position & info .extract
提取基因的位置,和染色体长度,提取基因位置后,用excel打开并整理保存为xlsx格式,后面经常用到。但是这样提取的文件,缺少蛋白ID,CDS的长度和CDS(include intron but not UTR)位置,我们用GXF sequences extract提取CDS序列,feature ID选ID而不是parent,再选“retain attributes in header”,再用sequence manipulate(rev&comp)只把ID保留下来,用excel整理,并与前面提取的基因位置文件,用Vlookup公式比对整合信息,就可以得到各个基因的信息,蛋白长度就用CDS length除以3,再减1(终止密码子)。有些基因不是编码蛋白的,格式就不匹配,这些基因很少,若需要这些基因信息就去GFF文件单个找吧。
GXF selector
根据ID搜索GFF文件中的相关信息,用notepad++会更便捷些吧。
sequence toolkit其它的功能我都没怎么用过,想知道的话可以自己摸索或者去TBtools的Q群里面找“TBtools使用教程第一部分sequence toolkit”,上网搜下应该也会有很多教程的。谢谢华南农大的陈老师开发的这个软件!
若侵,请联,必删。