转录因子 | 如何从“很大”的 Binding.Motifs 文
写在前面
昨日，我推出了两个 TBtools 小插件，主要用于快速基于输入的蛋白序列和启动子序列，预测一个初级的基因调控网络。其中涉及到 Binding Motifs 的转移，详细参考《零基础 | 基于转录因子结合 Motif 的基因间调控关系预测》。在示例中，我将所有拟南芥的转录因子Binding Motifs 转移到另一个物种上。逻辑上，我们会得到1000~2000个基因的Binding Motifs。这个文件还是不小的。
在后续的启动子序列准备上，我原本是期望用户只使用部分基因的 Promoter 序列，但是似乎不少人想使用一个物种所有基因的 Promoter 序列，那就真的栓Q了。跑起来会非常慢，因为 motifs 也多，而其实binding site真的也多。
想要快速解决，那么办法还是两个，按照项目需要：
- 只使用部分基因的 Promoter 序列
- 只使用部分基因的 Binding Motifs
- 还有一个办法是，又使用 1. 又使用 2.
下述简单列出解决办法的操作建议
只使用部分基因的 Promoter 序列
逻辑上，全基因组所有基因的 Promoter 直接使用 TBtools 的 GXF Sequence Extract 即可，这个翻翻历史推文，写得比较清楚。这个功能应该是地球上最好用的 GFF3 GTF 序列提取功能。至于筛选序列，直接使用 Fasta Extract 系列功能，也是翻翻历史推文就可以了。TBtools 的 序列提取功能，也是地球上最好用的。
只使用部分基因的 Binding Motifs
原本我是想着优化一下 Fimo Binding Site Search 插件，但似乎还是要花一点时间。为了确保 TBtools 功能的高内聚和低耦合，最好是修改另外一个功能，也就是 Text Block Extract。这个功能应该是 TBtools 最早期的功能之一。主要就是基于文本区块的标签进行文本区块提取或者过滤。
首先观察一下 Binding Motifs 文件的大体格式
所以要提取这个文件的文本区块，我们只需要使用 TBtools 的 Text Block Extract，随后设置 Block Start Flag 为“MOTIF”即可。当然，必须注意，完整的 Binding Motifs 是需要有一个 Header 部分的。为此，我开放的 Text Block Extract 的一个参数，Keep Header。于是最终使用如下（PS：需要更新到 TBtools v1.132或者以上版本）
写在最后
完美解决一个或许会相对常见的使用问题。
昨天晚上，和三位老师讨论了 GSAman 的功能优化，期间提及几处我一直想做的相关的功能，也让我想起了不少一直想做的事情。不过到底还是老了，很多时候你想做的，你认为有用的，并不是你所在位置应该去做的。或许只有两个办法可以解决这个问题：
- 放弃挣扎，变成位置期望的模样，当然要问你到底愿不愿意；
- 离开位置，一心做你想做的事情，当然又要问你到底敢不敢？
我想，每个人都差不多，我们都是「45°人生」。
