寫在前面
Emmm，有時(shí)候，我們可能通過(guò)一些比對(duì)軟件，如 BLAST , DIAMON 或者 ghostz 得到一堆序列比對(duì)結(jié)果。當(dāng)然，我們也可能從一些公共數(shù)據(jù)庫(kù)如 NR, Swissprot 等下載一些序列。不可避免，會(huì)引入一些其實(shí)跟我們目標(biāo)序列關(guān)聯(lián)度不大的序列。如何快速識(shí)別，并去除這些序列，多少還是麻煩。
類似的場(chǎng)景，我遇到了幾次，索性寫個(gè)小工具來(lái)解決問(wèn)題
蛋白序列兩兩相似度矩陣
使用簡(jiǎn)單，打開 「TBtools」對(duì)應(yīng)功能
設(shè)置輸入的 蛋白序列，隨后點(diǎn)擊 Compute 即可
計(jì)算結(jié)果即序列兩兩相似度矩陣
得到的矩陣，完全可以直接用 「TBtools」的 熱圖 功能直接可視化
可以簡(jiǎn)單的發(fā)現(xiàn)，確實(shí)混入了不少非本家族序列?？梢酝ㄟ^(guò)各類方式，去掉不需要的序列，保留剩余的序列。用于其他分析....
當(dāng)然，我們需要明白，多個(gè)序列的相似度計(jì)算，大體有兩種模式：
- 所有序列進(jìn)行多序列比對(duì)，后續(xù)兩兩計(jì)算
- 每?jī)蓷l序列分別做雙序列比對(duì)，后續(xù)兩兩計(jì)算
兩者區(qū)別即同源位點(diǎn)對(duì)齊的方式不同。前者在我們使用的序列都是同源序列，且長(zhǎng)度完整時(shí)，優(yōu)先選；在本例中常見(jiàn)，我們是明確知道存在異常序列，或者這個(gè)序列不是當(dāng)前家族，或者這個(gè)序列有明顯異常組成，那么后者合適。
寫在最后
Emmm，隨手一個(gè)小功能，我知道后面還會(huì)用到。
