寫在前面
課題組目前做一些基因組相關(guān)工作。了解基因組的朋友應(yīng)該明白，基因結(jié)構(gòu)注釋錯誤幾乎遍布所有基因組，包括我們目前看到的大多數(shù)即使是發(fā)表在頂級期刊的工作。生物是復(fù)雜的，而算法是存在局限的。所以人工矯正基因結(jié)構(gòu)注釋往往是最終選擇之一。目前，市面上基本只有一個工具可以做到，那么是一款叫做Apolle Browser的瀏覽器。現(xiàn)在已經(jīng)是第二代【第一代似乎已經(jīng)無法下載到】，一個常用的網(wǎng)頁基因組瀏覽器JBrowser的一個插件實現(xiàn)。配置起來并不方便，涉及到各類軟件的安裝。所以最好的選擇或許還是直接使用IGV。本文提到的改造，沒有之前IGV-sRNA的改動大，主要原因是，我失敗了。不過這并不影響目的的基本達成【失敗只是相對于暫時定位過高的目標】。以下，直接講述操作，作為課題組師弟師妹的使用指引。
主要分為三步：
- IGV中定區(qū)間，指定基因ID
- TBtools中轉(zhuǎn)換輸出的文件為gff3格式【即是最優(yōu)基因結(jié)構(gòu)注釋】
- 替換原始GFF3文件對應(yīng)的內(nèi)容
第一步 - IGV中定區(qū)間
我寫工具，往往會考慮操作的難度。所以要求用戶在IGV中定區(qū)間，我做了一些簡單的東西，使得用戶可以相對輕松的完成。
如下
可以看到這是一個錯誤的注釋，或者是沒注釋出來。換句話說，其中已有的那個注釋，本身很可能是一個錯誤的注釋。
首先，使用IGV的區(qū)間工具，選中幾個區(qū)間，你可以一次選擇一個外顯子，也可以使用多個有重疊的區(qū)間，覆蓋一個外顯子（后續(xù)會自動合并）。
如下，我分幾步走，先用短的覆蓋邊界
隨后，我繼續(xù)使用區(qū)間工具，增加一些跟以上區(qū)間重疊的外顯子區(qū)間
在Region Navigator中可以看到
這個窗口一般不關(guān)閉，完成一個基因之后，我個人的建議是，先Assign成一個基因，首先是選中這些區(qū)間，然后點擊Assign
然后關(guān)閉小窗口，那么就會直接Assign一些信息上去
注意，其中GeneName必須是唯一的，Positive是轉(zhuǎn)錄本在正反鏈，我們用的是鏈特異，所以這些是負鏈的基因，Coding與否，你要有自己的判斷，我是直接截取這個區(qū)間，BlastX到NCBI，看了下，知道這個是Coding
針對每一個基因，可以一直重復(fù)一個操作。那么就會有一系列的基因
第二步
完成了你人工矯正的步驟之后，在IGV中導(dǎo)出regions.bed
隨后，打開TBtools
將文件設(shè)置進去，注意到必須輸入文件是一個，即regions.bed
如果你的是Coding的基因，那么最好是也輸入基因組序列文件，這樣TBtools會自動判斷并輸出CDS的Feature；如果沒有基因組序列文件，那么就不會有CDS feature，即使你輸入的是Coding的。
點擊Start，會在非常短的時間內(nèi)完成。
這個生成的gff3文件，可以直接導(dǎo)入到IGV
于是，我們完成了基因的結(jié)構(gòu)注釋人工矯正。
我們手上的IGV是已經(jīng)改造過的。所以，我們這個時候還可以做一個有趣的事情，直接點擊對應(yīng)的轉(zhuǎn)錄本
隨后打開TBtools，黏貼進去
是的，你點擊了一下轉(zhuǎn)錄本，就直接在剪切板中得到了全長CDS【這個功能是前幾天我增加進去的】。
于是你還得到了對應(yīng)的蛋白序列，找個公共數(shù)據(jù)庫BlastP
可以看到，我們確實完成了一個正確的基因結(jié)構(gòu)注釋的人工矯正。
荔枝基因組從此多了一個基因注釋。
寫在后面
當然，還有第三步，那么就是替換gff3，但是...暫時懶得寫了。以后再算吧。
