Alignment/hmmer---本地blast、hmm、共线性、Clustalw、mafft以及muscle

本地blast是序列比对操作中经常用到的程序,但由于其原程序需要在命令行进行,这给需要进行序列比对但不熟悉命令行的同学带来了一定麻烦。为解决这个问题,SPDE中实现了本地blast的界面化操作。具体过程如下所示:


SPDE各个功能按钮分布

在进行blast之前,同学们需要明确两个概念。第一个是库,它指的是比对到的对象,例如你有一个杨树基因A,你想知道它在拟南芥中的同源基因是谁,那么这个时候就应以拟南芥中的序列建库;第二个是query序列,如刚刚的例子,基因A就是你的query序列。进行blast过程的第一步是要建库,涉及到的是上图的1、2、3三个部分。1是要求你的序列文件,基本类型是fasta格式(在这个操作中,请将文件路径以及名称中的空格去掉);2是对库进行命名,如果你的序列文件是蛋白质文件,那么这里填入的应该是“prot-”加上库的名称,如果是DNA序列文件,则应填入的是“nucl-”加库的名称,如prot-ARF。 同样库的名称也不要有空格(这里稍微啰嗦一句,请同学们在命名文件夹或者文件的时候尽量养成不使用空格的习惯,包括SPDE在内的很多程序对空格很敏感 ,这也就是为什么有些同学明明操作软件的各个步骤都对,但它仍然报错的原因,如果就是要分开名字中的单词,可以使用下划线);在1和2完成后,点击按钮3即可完成建库。当然,如果你经常要比对到某一物种中,建库的时候只需要建一次就好。在用过一次后,距离下一次用可能已经有很长时间,甚至可能自己都忘记有没有建过库,这个时候可以点击按钮4来查看已经建过的库。库的构建完成后,接下来就是比对。有两种输入文件的方法,如果仅仅只是想要比对单个序列,那么直接将序列放入5这个位置就好(当然,如果是多个序列,就放入含序列的文件的路径),在6这个位置填入的是库的名字(默认的evalue阈值是1e-5,如果想要改变阈值,就在库的名字后面加空格再加evalue值,例如ARF 1e-10)。之后,点击需要的功能(在7这个位置),这里,我只介绍blastn和 blastp,其他功能同学们可以自行百度,会有很详细的讲解。其中blastn,n指的是核苷酸即DNA序列比对;blastp中的p指的是蛋白质序列,当然query序列和你库的序列,在使用这两个功能的时候需要保持一致,即DNA比对到DNA库,蛋白质比对到蛋白质的库。位置8填入需要保持文件的位置以及文件名称。完成后点击按钮9就可以完成比对。如果有些库在用过一次之后就不需要再使用了,可以先在位置6填入库的名称,点击按钮10就可以将这个库删除掉。虽然形成文字可能比较多,但实际操作过程是非常简洁的,有需要的同学可以尝试。


hmmersearch功能

hmmersearch功能主要用于基因家族成员的鉴定。hmm文件可以通过NCBI或者hmm官方网站获取。在下载到需要的文件后,还是按照老规矩,先对下载的文件进行格式化:


hmm格式化

之后,将文件填入到hmmersearch功能的位置1中;该功能的对象是蛋白质序列文件,在准备好文件后,填入位置2;之后,选择保存位置并命名(在位置3),点击按钮4即可完成。


共线性

计算共线性关系时,需要准备两个文件,一个是blast文件,一个是gff文件,需要注意这两个文件的名字应该相同比如blast文件是A.blast,那么gff文件应该叫A.gff。那么,这两个文件该如何准备呢?blast文件可以在这里生成:


MCScanX-BLAST

注意,比对的时候应该是用蛋白序列进行。gff文件在这里生成:


MCScanX-gff

该模块的功能介绍会在后续公布。完成文件准备后,即可进行共线性分析,生成的结果在blast文件所属的文件夹中。

在进行测序结果的比对时,每个菌的测序结果是在一个txt文件里的,如果要比对,往往需要将不同文件内容和到一个文件里。在SPDE的如下功能中


合并文件

可以帮助用户在不打开文件的情况下将内容合并。注意的点是将这些需要合并的文件放到一个空的文件夹中,而放入的也是这个空文件夹所在的路径(而不需要文件名)。之后点击按钮即可合并。

接下来的是三种比对方法

clustalw, mafft和muscle

输入文件是fasta格式的序列文件。之后的功能使用,只需要按照相应功能按钮的数字提示进行即可。

©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 214,377评论 6 496
  • 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 91,390评论 3 389
  • 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 159,967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 57,344评论 1 288
  • 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 66,441评论 6 386
  • 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 50,492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 39,497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 38,274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 44,732评论 1 307
  • 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 37,008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 39,184评论 1 342
  • 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 34,837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 40,520评论 3 322
  • 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 31,156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 32,407评论 1 268
  • 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 47,056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 44,074评论 2 352

推荐阅读更多精彩内容