干貨基因注釋方法

干貨基因注釋方法現(xiàn)如今隨著測(cè)序技術(shù)的發(fā)展，組裝一個(gè)完整的基因組也是越來越普遍，價(jià)格已經(jīng)不像前些年那樣昂貴（當(dāng)然超大基因組除外），待基因組組裝完成后，基因預(yù)測(cè)將會(huì)是接下來需要進(jìn)行的一個(gè)重要工作（雖然能編碼的基因相對(duì)于整個(gè)基因組只是占了很小一部分），但通過這些基因結(jié)合一些近緣物種，還是能挖掘一些比較有意思東西，如物種進(jìn)化等。那么接下來小編就給簡(jiǎn)單介紹一些基因預(yù)測(cè)方面方法。目前，基因組預(yù)測(cè)策略大致可以分為三種：Abinitio、Homology-based和EST/Unigene。從頭預(yù)測(cè)Abinitio主要通過探索DNA序列中特異的區(qū)域，如基因的起始區(qū)域和終止區(qū)域，來進(jìn)行基因預(yù)測(cè)。目前常用的軟件有Augustus.GlimmerHMM、SNAP、GenelD、GenScan.Brak等。Augustus運(yùn)用隱馬爾科夫模型，模型在DNA序列和基因結(jié)構(gòu)上定義一個(gè)概率分布，采用維特比的算法，它自身帶了一個(gè)訓(xùn)練集，如人、斑馬魚等。在進(jìn)行預(yù)測(cè)是可以選擇自帶的訓(xùn)練集，也可以用挑選轉(zhuǎn)錄組和同源預(yù)測(cè)最優(yōu)結(jié)果給它生成一個(gè)訓(xùn)練集。這里順帶說下Braker軟件，它是基于genemaker預(yù)測(cè)結(jié)果作為訓(xùn)練集，通常小編Augustus和Braker會(huì)二選一。GlimmerHMM是把一個(gè)基因看做幾種特征序列，這些特征序列包括內(nèi)含子、基因間區(qū)和四種夕卜顯子（初始、中間、最終和單一外顯子）之后進(jìn)行有序切換形成馬爾科夫鏈。示意圖如下：InitExon+ TemiExon+—*ExonSngl+ GlimmerHMM使用的模型基于以下幾個(gè)假設(shè)：-假設(shè)每個(gè)基因都開始于起始密碼子ATG-假設(shè)每個(gè)基因閱讀框內(nèi)除最后一個(gè)密碼子外沒有終止密碼子(noin-framestopcodons)。-每個(gè)外顯子與前一個(gè)外顯子在同一個(gè)閱讀框中。(翻譯閱讀時(shí)外顯子間沒有移框).它也是需要一個(gè)訓(xùn)練集，通常也是自己生成一個(gè)訓(xùn)練集的效果會(huì)略優(yōu)于已有的一些。(/software/glimmerhmm/man.shtml)SNAP通過隱馬爾科夫模型進(jìn)行預(yù)測(cè)，也是需要一個(gè)訓(xùn)練集。以上這些軟件都可以自身構(gòu)建一個(gè)訓(xùn)練集，這里小編覺得畢竟還是用自己的東西舒服，也就是自身訓(xùn)練結(jié)果要稍微優(yōu)于其他模式生物訓(xùn)練集。這里小編在做真菌時(shí)，從頭軟件一般會(huì)選取這三個(gè)，GenScan和GenelD就放棄掉了，動(dòng)植物基因組通常就是多多益善嗎，能用上就都給用上。GenScan也是一款比較經(jīng)典軟件，通常在預(yù)測(cè)真核生物（人）還是有不錯(cuò)的效果。GeneID可以算是元老級(jí)，第一代的基因識(shí)別軟件，這個(gè)準(zhǔn)確率不高，通常在整合是權(quán)重也不會(huì)給太高。同源預(yù)測(cè)同源預(yù)測(cè)軟件通常利用GeneWise和GeneMoMa，前者是需要同源物種的蛋白序列，后者需要同源物種基因組序列及對(duì)應(yīng)的GFF文件，目前小編已經(jīng)拋棄GeneWise，使用最多的就是GeneMoMa，但是讓小編十分頭疼的是在準(zhǔn)備GFF文件太花費(fèi)精力，這個(gè)軟件真的是挑肥揀瘦，必須滿足其格式才能可以運(yùn)行，目前從NCBI的Reseq和Ensemble上下載都可以，其他地方來的那就得還點(diǎn)時(shí)間寫個(gè)腳本改下了。轉(zhuǎn)錄組數(shù)據(jù)預(yù)測(cè)PASA軟件是基于Unigene/EST序列進(jìn)行預(yù)測(cè)軟件，這個(gè)可能就需要拿到一個(gè)混樣轉(zhuǎn)錄組數(shù)據(jù)首先進(jìn)行無參組裝，接下來根據(jù)Unigene組裝結(jié)果在進(jìn)行比對(duì)，通常用Gmap或Blat兩種方法，最好三代全長(zhǎng)轉(zhuǎn)錄本和二代一起來進(jìn)行預(yù)測(cè)，這樣可以使得找到的結(jié)構(gòu)更為準(zhǔn)確、可靠，此外PASA還有另外的一個(gè)功能就是可以用其預(yù)測(cè)可變剪切，俗稱PASA修飾。最終結(jié)果整合這么多軟件跑出來的結(jié)果，有的可靠性高些，比如轉(zhuǎn)錄組和同源；有一些要稍微差一些如GeneID，那么就需要一個(gè)軟件將這些結(jié)果進(jìn)行一個(gè)整合，通俗些就是大家放到一起比較下，看下各個(gè)軟件預(yù)測(cè)結(jié)果分布情況，本著以少數(shù)服從多數(shù)原則（這里只是簡(jiǎn)單比喻下莫要當(dāng)真），根據(jù)權(quán)重打分，使用EVM軟件得到一版最終結(jié)果，目前小編用到最多的就是EVM真菌、植物或動(dòng)物統(tǒng)統(tǒng)可以搞定，用過一段時(shí)間Glean,感覺在整合超大基因時(shí)，容易成多個(gè)（或許是參數(shù)沒有調(diào)整合理）。總結(jié)上面就是小編在進(jìn)行基因預(yù)測(cè)時(shí)的一些軟件使用心得，還有是再做一些研究比較多的物種比如水稻等，那同源權(quán)重一定要調(diào)高