寫在前面：
非常感謝CJ開發(fā)出如此強大的TBtools工具，作者詳細講解了基因家族的分析過程和意義，課程購買地址，講的很棒，可以試聽。
一共分為4個部分
TBtools基因家族分析詳細教程(1)
TBtools基因家族分析詳細教程(2)基因家族成員的基本分析
TBtools基因家族分析詳細教程(3)基因家族成員的進化分析1
TBtools基因家族分析詳細教程(3)基因家族成員的進化分析2
Introduciton:什么是|為什么做（意義）|
輔助基因注釋或矯正基因注釋
為后續(xù)物種gene功能研究做鋪墊
確定家族中可用的目標(biāo)gene分支（包括挖掘新分支）
基礎(chǔ)的生物信息學(xué)數(shù)據(jù)分析鍛煉
充實論文內(nèi)容或作為論文的主要內(nèi)容
method:怎么做（涉及內(nèi)容，已發(fā)表文獻和自己理解）,涉及序列保守，結(jié)構(gòu)域定義，序列比對，進化樹構(gòu)建
內(nèi)容見下面
結(jié)果：完成基因家族分析文章中的內(nèi)容，甚至超過他們。
加深理解分子生物學(xué)和生物信息學(xué)
掌握部分TBtools工具的使用，加速生信下游數(shù)據(jù)分析
繪制漂亮的圖片
Introduction
基因是染色體上一段可以發(fā)生轉(zhuǎn)錄的區(qū)域（內(nèi)含子外顯子啟動子）
轉(zhuǎn)錄本才是基因的研究實體
基因家族來源于同一個祖先，由同一個gene通過基因重復(fù)而產(chǎn)生兩個或更多的拷貝而構(gòu)成的一組gene，其在結(jié)構(gòu)和功能上就有明顯的相似性，編碼相似的蛋白質(zhì)產(chǎn)物，同意家族gene可以緊密排列在一起，形成一個基因簇，但多數(shù)時候，他們分散在同一染色體的不同位置，或存在于不同的染色體上，各自有不同的表達調(diào)控模式
序列高度相似的序列，互為同源gene，歸屬于一個基因家族（拷貝數(shù)目多于1）
結(jié)構(gòu)域的 角度來說，具有保守結(jié)構(gòu)域（某個或多個）的序列，即為某個基因家族的序列（可能同時要不具有另外的某個結(jié)構(gòu)域）
目錄
1 基因家族成員的鑒定
- 確定研究的基因家族
- 家族成員的基本特征確定（參考已有物種）
- 參考序列集合的準備
- 目標(biāo)物種序列和注釋信息的下載或準備
- 雙向Blast比對獲取可能的成員
- 基于保守結(jié)構(gòu)域進行進一步篩選
2 基因家族成員的基本分析
- 成員的序列特征分析（分子量等電點等）
- 基于motif分析成員序列保守特征與可視化（蛋白與核酸，可用于挖掘未知，尤其是核酸水平-非編碼水平的保守）
- 基于domain分析成員結(jié)構(gòu)域的保守型與可視化（往往已知）
- 基因結(jié)構(gòu)分析（包括內(nèi)含子模式）
- 基因染色體分布情況可視化
3 基因家族成員的進化分析
- 多序列比對與可視化
- 進化樹構(gòu)建與可視化
- 從進化水平分析motif模式
- 從進化水平分析domain
- 從進化水平分析基因結(jié)構(gòu)變化
- 合并分析以上三方面
- 基因-共線性的定義與常見算法原理
- 物種內(nèi)的共線性分析
- 基因家族成員的來源分析
- 不同物種之間的共線性分析
- 共線性分析結(jié)果可視化
內(nèi)容
A 基因家族成員的鑒定
1目標(biāo)物種序列和注釋信息的下載或準備（genome的fasta格式和gff3或gtf）
基因組序列信息：fasta格式文件
基因組基因結(jié)構(gòu)注釋信息：制表符分隔，存儲基因的外顯子內(nèi)含子，CDS等坐標(biāo)信息的.gff3或.gtf文件（區(qū)分基因結(jié)構(gòu)注釋與基因功能注釋）
1.1蛋白序列結(jié)合的整理與提取（TBtools）
1.1.1使用Gtf/Gff3 sequence extractor，基于基因結(jié)構(gòu)注釋信息，從基因組中提取出所有基因的CDS序列
1.1.2使用CDS to protein Translator將所有CDS翻譯為蛋白序列
fasta文件每個名稱后面有+號，簡化
2 確定研究的基因家族
- 課題相關(guān)，MYB,bHLH，WD40，花青素
- 研究熱點甲基化 甲基化酶 去甲基化酶
- 新家族 某蛋白很關(guān)鍵 有沒有家族
3 家族成員的基本特征確定（參考已有物種）
研究相對透徹的基因家族，可參考收錄了基因家族特征的網(wǎng)站如TAIR，PlantTFdb（針對轉(zhuǎn)錄因子）
查閱文獻(gras gene family為例)，歸納總結(jié)
注意：保守的結(jié)構(gòu)域（在哪段），幾個分支，保守的aa位點，長度波動
4 參考序列集合的準備
5 雙向Blast比對獲取可能的成員
比對得到的結(jié)果，去重復(fù)得到uniq ID。就是query序列匹配到上一步由CDS得到的protein序列（target）的結(jié)果。
下面再extract上述42個ID的protein sequence的fasta數(shù)據(jù)
接下來去NCBI blastp
用TBtools把xml格式轉(zhuǎn)化為table格式
按Query_def刪除重復(fù)項，保留的都是第一個hit，也就是最匹配的hit。為了判斷是不是全部都家族成員，可以對可疑的基因進行文獻搜索
通過初步篩選，上述42個基本都是基因家族成員，為了進一步確定，進行下一步基于保守結(jié)構(gòu)域進一步篩選
6 基于保守結(jié)構(gòu)域進行進一步篩選
ncib web cd search
或pfam
可視化
pineapple的(這個圖有問題，可以直接在修改short name列名就可以，注意空格等，這里我就不再改了，后面改過來了)
直接刪除，若嚴謹，重新截取此基因組序列的前后序列，具體
打開genePose文件，查找剛才可疑的某個gene比如Aco005453.1
復(fù)制上述序列到softberry FGENESH-M工具
結(jié)果說明該基因本來該兩個結(jié)構(gòu)域，現(xiàn)在卻一個?；蚪M注釋需要更加完善?？梢蕴鎿Q信息進去。其余三個類似。
