SCAU Class | 课程作业「基因家族分析」流程参考
作业要求
提供一份分析报告，可以以学术论文格式撰写，包含以下部分
- 选定物种与目标基因家族的原因
- 家族成员主要特征介绍（基于广泛文献检索)
- 物种基因组序列与注释信息获取
- 基于 Genome 和 GFF3 提取CDS序列，翻译成蛋白序列
- 使用 BLAST 方法鉴定家族成员
- 使用 HMMER 方法鉴定家族成员
- 合并 BLAST 和 HMMER 结果
- 结构域可视化（NCBI CCD 或 Pfam 等）
- 保守 Motifs 分析
- 进化树构建（物种内 / 参考物种）
- 基因结构可视化
- 进化树+保守Motifs+基因结构（含保守结构域）综合可视化
- 下载一套公开转录组数据
- 获取鉴定出来家族的基因表达量并绘制热图
- 拓展问题: 你认为 BLAST 方法与 HMMER 方法结果，哪个更优？
1. 选定物种与目标基因家族的原因
建议与导师讨论并确定
2. 家族成员主要特征介绍
基于选定家族，自行检索并阅读相关经典论文，一般不少于10篇
3. 物种基因组序列与注释信息获取
靠自己，课题组自测的基因组也可以
4. 基于 Genome 和 GFF3 提取CDS序列，翻译成蛋白序列
参考课上讲演的 docker 使用，寻找并掌握「gffread」软件的使用，自行提取。
也可以使用「TBtools」提取CDS并翻译。
先整理一个代表性转录本
然后提取 CDS
最后翻译成蛋白
结果文件如下
5. 使用 BLAST 方法鉴定家族成员
参考课上讲演的 ncbi-blast 的用法，docker 容器大家都有了，用起来就行。当然也可以使用 TBtools
具体自行提取并整理可能的 BLAST 结果ID
筛选后，发现一共有 54 个 IDs （当然肯定有假阳性）
6. 使用 HMMER 方法鉴定家族成员
经过文献翻阅，ARF家族成员一般有两个保守结构域，一个是Auxin_resp，另一个是 B3。
直接到 pfam 查看这两个结构域。
Auxin_resp (PF06507)
B3 (PF02362)
参考课上讲演的 hmmer 的用法，docker 容器大家都有了，下载对应 HMM 文件即可，用起来就行。当然也可以使用 TBtools。
基于两个结构域分析的鉴定结果
此处如何保留？并集？还是交集？还是差集？自行考量并说明原因。
为了演示，将并集结果保留，一共 63 个
7. 合并 BLAST 和 HMMER 结果
上述 BLAST 和 HMM 的结果合并，可以看到交集
此处如何保留？并集？还是交集？还是差集？自行考量并说明原因。PS：都有理由，请一定结合自己的思考作答。
为了演示，将交集结果保留，一共 31 个
8. 结构域可视化（NCBI CCD 或 Pfam 等）
提取蛋白序列（可以使用命令行软件 seqkit ），也可以使用 TBtools
将这些序列提交到 pfam 或者 NCBI CDD 数据库，进行结构域可视化，此处用 CDD
https://www.ncbi.nlm.nih.gov/Structure/bwrpsb/bwrpsb.cgi
大多数时候，小等一会就可以看到结果
下载后，可以用于可视化。一般市面上，基本就用「TBtools」
9. 保守 Motifs 分析
可以用网页版的 MEME-suite 分析，事实上，也可以基于 docker 自己做一个 。当然，也可以使用 TBtools 跑
至于结果可视化，一般现在使用 TBtools
10. 进化树构建（物种内 / 参考物种）
参考课程前述讲演，我们使用 IQtree 即可。当然也可以使用 TBtools
11. 基因结构可视化
事实上，只要有基因列表，就可以做批量基因结构可视化
此处有一个基因内含子太长，可能是实际情况，也可能是注释错误。
12. 进化树+保守Motifs+基因结构（含保守结构域）综合可视化
整合上述分析结果
有理由相信，红框分支注释有误，需要矫正。另外最末端分支可能不是 ARF
从结构域来看也是
13. 下载一套公开转录组数据，获取鉴定出来家族的基因表达量并绘制热图
参考前述课程讲演，想办法解决。
提示：参考转录组章节流程代码
至于热图绘制，可以使用 TBtools，随后自行分析
14. 拓展问题: 你认为 BLAST 方法与 HMMER 方法结果，哪个更优？
重点题，需要有一定的分析图稿支撑
