【叶绿体基因组】注释校正与tbl文件的生成

叶绿体基因组注释是非常重要的一步,注释的合理与否直接影响后续分析的正确性,例如密码子偏好性分析、选择压力分析等等。

STEP 1 获取初始的GB注释文件

使用GeSeq进行注释。MPI-MP CHLOROBOX - GeSeq (mpg.de)
当然,其他软件例如CPGAVAS2也可以进行注释。
这里以Tetrastigma hemsleyanum(三叶青,三叶崖爬藤)为例。其他参数配置可以参考以下选择。

image.png

STEP 2 注释校正(一)

通常来说,得到的注释文件不能直接使用,需要手动调整。
由于注释器的选择、Blast数据库等等因素,初次注释得到的结果中很可能出现以下情况:

  1. 重复


    image.png

    image.png
  2. 方向不一致
    SSC的构象相反了。严格来说,SSC并没有固定的方向,即两种构象的是对的,但是为了后续分析的一致性,这种情况需要被重视。


    image.png
  3. 内部含有终止密码子(图中的*号)


    image.png

可以根据以下几点来选择更为合理的注释:

  1. CDS碱基数目通常为3的倍数。
  2. CDS一般以起始蛋白M开头。但也存在例外,例如ndhD。
  3. 根据其他的可信度高的注释结果进行判断。
  4. 对于SSC方向不一致的序列,可以先找到两个IR区域和SSC的边界,然后选择SSC的序列,进行反向互补操作,再重新注释。

STEP 3 注释校正(二)

  1. 进入GB2SequinMPI-MP CHLOROBOX - GB2sequin (mpg.de)
    image.png
  2. 选择相应的按钮。点击上传,在右侧的选项中勾选“Complete”“Circular”,使用细菌、古菌和植物质体的密码子表,Location选择chloroplast,即叶绿体,勾选最下方复选框后,点击“Start Conversion”。


    image.png

    3.运行结束后,可以在右下方的Results中预览,点击Validation即可看到更加详细的内容。这里我直接分析了Geseq生成的gb文件,而不是严格的ncbi格式的gb文件,所以前面跳了很多未知限定符,比如“info”“annotator”,但是这个不重要,GB2Sequin会自动删除。


    image.png

    除了上面提到的位置限定符报错,其他的就是需要我们仔细查看的报错或警告了。
    image.png

    点击Validation,这个实际上就是一个txt文件。


    image.png
ERROR: valid [SEQ_FEAT.StartCodon] Illegal start codon used. Wrong genetic code [11] or protein should be partial FEATURE: CDS: photosystem II subunit L [lcl|NC_029339.:c67971-67855] [lcl|NC_029339.: raw, dna len= 159889] -> [lcl|NC_029339._42]
ERROR: valid [SEQ_FEAT.StartCodon] Illegal start codon used. Wrong genetic code [11] or protein should be partial FEATURE: CDS: NADH dehydrogenase subunit D [lcl|NC_029339.:c122084-120570] [lcl|NC_029339.: raw, dna len= 159889] -> [lcl|NC_029339._79]
ERROR: valid [SEQ_FEAT.NoProtein] No protein Bioseq given FEATURE: CDS:  [lcl|NC_029339.:159794-159889] [lcl|NC_029339.: raw, dna len= 159889]
ERROR: valid [SEQ_FEAT.NoStop] Missing stop codon FEATURE: CDS:  [lcl|NC_029339.:159794-159889] [lcl|NC_029339.: raw, dna len= 159889]
ERROR: valid [SEQ_FEAT.MissingCDSproduct] Expected CDS product absent FEATURE: CDS:  [lcl|NC_029339.:159794-159889] [lcl|NC_029339.: raw, dna len= 159889]
WARNING: valid [SEQ_FEAT.CollidingGeneNames] Colliding names in gene features FEATURE: Gene: accD [lcl|NC_029339.:61229-62797] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: ndhB [lcl|NC_029339.:146828-149044] [lcl|NC_029339.: raw, dna len= 159889]
WARNING: valid [SEQ_FEAT.CollidingGeneNames] Colliding names in gene features FEATURE: Gene: ndhK [lcl|NC_029339.:c53866-53120] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rpl2 [lcl|NC_029339.:158238-159727] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rpl23 [lcl|NC_029339.:157938-158219] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rps12 [(lcl|NC_029339.:c73732-73619, 145193-145986)] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rps7 [lcl|NC_029339.:146040-146507] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rrn16 [lcl|NC_029339.:c143071-141581] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rrn23 [lcl|NC_029339.:c139186-136375] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rrn4.5 [lcl|NC_029339.:c136277-136175] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: rrn5 [lcl|NC_029339.:c135959-135839] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnA-UGC [lcl|NC_029339.:c140206-139344] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnI-CAU [lcl|NC_029339.:157699-157772] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnI-GAU [lcl|NC_029339.:c141280-140271] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnL-CAA [lcl|NC_029339.:149623-149703] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnN-GUU [lcl|NC_029339.:134835-134906] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnR-ACG [lcl|NC_029339.:c135577-135504] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: trnV-GAC [lcl|NC_029339.:c143362-143291] [lcl|NC_029339.: raw, dna len= 159889]
WARNING: valid [SEQ_FEAT.CollidingGeneNames] Colliding names in gene features FEATURE: Gene: ycf1 [lcl|NC_029339.:c134518-128885] [lcl|NC_029339.: raw, dna len= 159889]
NOTE: valid [SEQ_FEAT.ReplicatedGeneSequence] Colliding names in gene features, but underlying sequences are identical FEATURE: Gene: ycf2 [lcl|NC_029339.:c157610-150717] [lcl|NC_029339.: raw, dna len= 159889]
WARNING: valid [SEQ_FEAT.GeneXrefNeeded] Feature overlapped by 2 identical-length equivalent genes but has no cross-reference FEATURE: exon: /number=1 [lcl|NC_029339.:c73732-73619] [lcl|NC_029339.: raw, dna len= 159889]
ERROR: valid [SEQ_INST.BadProteinStart] gap symbol at start of protein sequence (psbL - photosystem II subunit L) BIOSEQ: lcl|NC_029339._42: raw, aa len= 38
ERROR: valid [SEQ_INST.BadProteinStart] gap symbol at start of protein sequence (ndhD - NADH dehydrogenase subunit D) BIOSEQ: lcl|NC_029339._79: raw, aa len= 504

从结果可以看出,总共7个ERROR,4个WARNING。其中

SEQ_FEAT.StartCodon  起始密码子
SEQ_INST.BadProteinStart  起始蛋白
SEQ_FEAT.NoProtein  蛋白序列缺失
SEQ_FEAT.NoStop  终止密码子缺失
SEQ_FEAT.MissingCDSproduct  编码产物缺失
SEQ_FEAT.CollidingGeneNames  基因名称冲突

第一个和第二个ERROR都提示使用了错误的起始密码子,这也和最后两个ERROR有关。它们的位置在c67971-67855和c122084-120570,分别是psbL和ndhD。在不能确定是否正确时,我们可以根据其他研究的注释结果来确定,这一次的psbL和ndhD的注释结果和先前的研究吻合,暂时可以使用。这一项报错就不需要管了。
其他情况类似,只需要仔细查看Validation.txt并且修改注释信息即可。需要注意的是,在修改注释时,需要保持一致性,例如修改了某个trna的产物,只改了trna,而没有改对应的gene,也是会报错的。
每次修改完后,再导入到GB2Sequin进行分析,如此往复,即可完成校正。

STEP 4 tbl文件生成

点击Annotation Table,点击弹窗的Download,即可下载。tbl文件用于将序列上传至ncbi。


image.png
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351

推荐阅读更多精彩内容