水稻基因家族分析-基因家族的鉴定

整个基因家族分析最耗费时间的一部分，也是最有用的一部分。
我本人是做水稻的，就以水稻为例，别的我也没做过。可能会有些不一样。

基因组文件获取

大概需要下面几个文件，其实CDS也是为了产生蛋白组文件用的。

植物可以闭眼去ensembl plants上下载，这个网站比较全面。
当然你研究的物种有对应的基因组注释的网站配套不错的文章最好。

水稻有个IRGSP-v1.0参考基因组，是非常常用的。
CDS有现成的，蛋白组也是基于CDS翻译的，有现成的。

如果没有CDS，应该可以测几个转录组，去基因组上mapping一下，就有了
如果只有CDS，自己翻译一下就行了

基因组文件中通常同一个基因会有多种长度不同的转录本，在进行基因家族分析时，默认使用最长的转录本作为一个基因的代表序列，一个基因对应一个转录本。
【这里TBTools可以直接完成。】

这里应该是最长转录本信息最多，也最大可能是对的。是一般情况下合理的用法。

这时候手上有个新的文件：

按图索骥，首先要有一堆马，然后要一张图。

去参考文献看看目标基因是不是有保守结构域，有直接上PFAM上拿这个号，就直接能下载到hmm模型。没有就去直接拿这个基因序列去搜，找其它物种中已经报道的同源序列，做多序列比对，构建一个hmm模型。

然后直接hmmsearch

hmmsearch  \
    --noali \
    -o ./[PF02309].hmmout \
    ./data/[PF02309].hmm \
    ./data/Oryza_sativa.IRGSP-1.0.pep.all.simp.rep.fa

建个blast库，把收集的多序列直接拿去blast。
当然也可以hmm模型用hmmemit生成一个序列再去blast。

1	makeblastdb -in ./data/Oryza_sativa.IRGSP-1.0.pep.all.simp.rep.fa -out ./data/Oryza_sativa.IRGSP-1.0.pep.all.simp.rep -dbtype prot

然后blast。

把hmm结果和blastp结果处理一下，提出id
放到一起去，去重。

然后拿合并去重的id去提取对应的pro序列。

搜出来的序列建棵树，做个MUSCLEv5.0多重比对，丢进Batch-CDD里看看是不是都有结构域，丢进SMART里也看看，丢进MEME里也看看。

缺结构域的，长度不对的，串联重复的，都提出来重新检查，看看注释对不对，有没有转录本信息，做个实验瞅瞅表达不表达。

最后得到可信的，保存id，再提序列。

tbtools三件套

MEME
CD-Batch
TREE

组一个图出来。这样这部分就结束了。