【陪你学·生信】五、当你有一段待分析的DNA序列
这一推送将介绍当你测序得到一段DNA序列后，可能会用到的基础操作。
一、拿到序列结果后，首先剔除可能的错误
一般送测序的样品往往经历纯化，克隆，转化等操作。期间不可避免会混有不是目标序列的片段。可能来自于载体，也可能是操作中的污染。为了避免浪费时间分析错误的、污染的序列。首先要学会找到序列中的非目标部分并编辑序列。
1. 载体序列
如果是克隆再测序，那么序列末端一般会带有载体的序列。可以查找序列中，可以与你使用的载体序列部分，然后删掉它。
可以利用NCBI的VecScreen工具，原理仍然是blast，但是其参数设置和检索数据库是适合找到序列中载体质粒部分的。
https://www.ncbi.nlm.nih.gov/tools/vecscreen/
VecScreen结果有两种可能：
（1）一种可能的检索结果是序列与已知载体没有高度相似部分，那么就直接继续对序列进行分析就可以；
（2）另一种结果是，发现序列有一部分与载体相似，仍分两种情况：
（2.a）如果在序列末端，那么可以删除后继续分析；
（2.b）如果相似部分在各处都有，或者是检索得到的载体甚至不是你使用的那个，可能是操作中污染了，就扔了重做吧。
2. 一些不用扔了重做的情况
如果VecScreen结果显示的你的序列两端有载体序列（类似于2.a的情况），但是载体名字不是你用的那个，也别立刻否定这个序列不能用了。因为很多载体质粒是在其他载体上进行改造产生的，所以序列上是可以对应的，名字却不同。
另外也要看你研究的目的基因，比如你研究的基因就是构建载体常用的抗性基因，那么VecScreen肯定会出现比对上的结果（我好像又废话了）。
二、限制性酶切图谱
之前介绍过Restriction map（【现学现卖】基因图谱概述）。得到理论上的限制酶切图谱很简单，只需要在序列中找限制性酶切位点。
现在很多序列分析软件都可以一键显示限制性酶切位点，另外推荐一些数据库：
1. REBASE database
http://rebase.neb.com/rebase/rebase.html
2. Webcutter
http://www.firstmarket.com/cutter/cut2.html
三、设计PCR引物
相信大家对PCR都很熟悉了（【现学现卖】实验-PCR），首先当然是需要设计引物。很多软件可以根据一段序列，设计符合条件的引物，还有线上的小工具，比如NCBI-primer designing tool等。
四、分析DNA序列的组成
1. GC含量、核苷酸组成等
可以使用Genomatix: DNA Sequence Toolbox页面中的creat sequence statistics按钮可以帮助我们分析序列的GC含量、单核苷酸、二核苷酸、三核苷酸组成等。
https://www.genomatix.de/cgi-bin/tools/tools.pl
2. 分析查找序列中的重复
DNA序列中的重复片段常参与基因重组和表达调控。
推荐工具
BioWeb（还有其他工具，它们算法各有不同。）
https://bioweb.pasteur.fr./welcome
里面的tools and packages-mreps等工具。其他工具都可以点开看看，有功能描述。
五、寻找蛋白质编码区域
前面我们检查了序列中有没有污染（载体序列污染），得到了限制性酶切位点，还有序列组成的一些数据。现在可以看看这段序列有没有、在何处可以编码蛋白质。
1. 用NCBI-ORF-Finder寻找开放阅读框
一段序列如果要编码蛋白质，需要有起始子（一般是ATG），并在一段距离之后有终止子（TAA, TAG, TGA），这就是开放阅读框的定义。
下面我们利用NCBI的ORF Finder来找序列中的开放阅读框。
https://www.ncbi.nlm.nih.gov/orffinder/
操作很简单，复制序列，选择适合自己的材料的遗传密码等参数，然后查找。我今天才发现，原来有这么多种遗传密码可以选择，31种耶！
结果显示界面也是比较清晰的。
2. 用GeneMark寻找开放阅读框
上述1方法外还有很多可以寻找ORF，比如一些序列分析软件。再介绍另外一个网页工具，GeneMark。
（1）打开主页
http://exon.gatech.edu/GeneMark/
主页展示了很多分类，选择适合自己的序列的分类，点击。
（2）结果页面很简洁，只展示前5个ORF基因。
六、组装（Assembling）序列片段
即识别序列重叠部分，将多个片段序列组装为一个序列。
这本书介绍了CAP3，一个短序列拼接的在线工具（在线工具处理序列的量有限。如果是处理二、三代测序的基因组数据，可以下载软件和工具包，很多不是windows系统下运行的，比如Canu。），输入序列格式fasta。
http://doua.prabi.fr/software/cap3
七、其他工具推荐
当然，如果你有一些DNA序列，能做的不仅仅是上述这些。欢迎留言，说说你实验中常见的目的、操作或者喜欢的软件、网站吧。
我先来推荐我用过感觉还不错的：
1. 序列操作工具箱
http://www.detaibio.com/sms2/rest_map.html
很多小工具，比如格式转换的，还有对序列、引物序列性质分析的等等。
2. 生物数学计算机
https://ita.promega.com/resources/tools/biomath/
适合头大，怕算错浓度和用量的时候。
往期相关内容：
对喜欢看推送的小伙伴们说声抱歉，好久没有更新，嘿嘿。
因为上周，我一不小心看了三本小说，《长夜难明》《三体Ⅰ》《三体Ⅱ》（都好看耶，Ⅲ正在很缓慢地看）
太奢侈的一周了，嘿嘿，身体力行，欢度中秋，喜迎国庆~
嗯嗯，继续一起学习吧！
欢度中秋 喜迎国庆 开学快乐
