寫在前面
以前總看到問題是，基因結(jié)構(gòu)可視化的問題厕吉；現(xiàn)在則變成了啟動子元件的預測或者說可視化酱固。這本身比較簡單，也比較玄乎赴涵，所以我一直不是太樂意與別人討論媒怯。但學院今天斷網(wǎng)，手上的工作無法正常開展髓窜。正好有舊友也問起扇苞，那么我就寫寫。
其實寄纵，有了TBtools鳖敷，這些分析，所有人都可以極其快速的完成
順勢作用元件分析的顧慮
之所以說這個分析玄乎程拭，在于他真的玄乎定踱。順勢作用元件，基于其定義恃鞋，并不一定就是啟動子區(qū)域崖媚，也可以在內(nèi)含子里面，還可以在鄰近的基因里面恤浪。所以他跟啟動子似乎并沒有直接關(guān)系畅哑。只是，啟動子從定義上來談水由，就是RNA聚合酶（如pol II）被招募并結(jié)合的區(qū)域附近荠呐。這一區(qū)域應是有較多的轉(zhuǎn)錄因子（反式作用因子）和轉(zhuǎn)錄調(diào)節(jié)子，所以自然是存在較多的順勢作用元件。
說到這里泥张，那么啟動子區(qū)域的邊界如何確定呵恢，又是玄乎的事情。幾乎所有物種里面的UTR注釋都是不全的媚创，即使是擬南芥或者水稻渗钉，更或者人類。原因有很多钞钙。再從另一個方面來說晌姚。即使是同一個基因（locus），不同的轉(zhuǎn)錄本會有不同的轉(zhuǎn)錄起始位點歇竟，那么這個時候，哪一個TSS之上是所謂真實的啟動子抵恋？
總而言之焕议，存在一個約定俗成（也就是大家都是看破不說破）的做法，取翻譯起始密碼子（ATG）上游1kb弧关，或者2kb盅安，或者更長一些。那么本文的做法就是世囊，取2kb（注意别瞭，這個做法明顯就是會包括一些UTR，然而似乎沒有更好的做法）
實踐一番
1.提取所有基因的啟動子區(qū)域
首先是準備好輸入文件
- 基因組序列株憾，即fasta序列
- 基因結(jié)構(gòu)注釋信息蝙寨，如gff文件
打開TBtools，使用gff3 序列提取工具嗤瞎，并設置到墙歪，只提取CDS上游2000bp的參數(shù)，如下
于是得到了擬南芥所有基因的CDS上游2kb（已經(jīng)自動處理正反鏈）
2.提取目標基因集合的啟動子序列
這一步比較簡單贝奇，直接使用TBtools
查看下提取出來的文件信息是否正確
數(shù)目沒錯虹菲，長度沒錯，不過都是小寫的掉瞳。
3.將序列全部轉(zhuǎn)換成大寫
4.提交到PlantCare網(wǎng)站進行順勢作用元件預測
http://bioinformatics.psb.ugent.be/webtools/plantcare/html/
設置郵箱毕源，選擇要上傳的文件（如果超過100kb，就用TBtools的Fasta Split 分割文件陕习，逐個提交）霎褐，點擊上傳，靜等郵件
4. 整理和簡化PlantCare分析結(jié)果
大概過了15min之后衡查，郵箱提示收到郵件瘩欺，是一個壓縮包，解壓即是
每一個序列對應了一個網(wǎng)頁可交互的結(jié)果，而我們直接查看匯總文件即可
使用Excel打開俱饿，基于表格中的信息歌粥，如最后一列，篩選并保留有一定查看目的元件拍埠，如響應類元件
篩選后
剩下900多個元件失驶，還是很多，接下來充分利用Excel的篩選工具（或者自己手動逐個修改）將同一類的響應類元件給與同樣的標簽枣购，大概花了10來分鐘....
接下來整理成適合于TBtools可視化的文本信息
5.使用TBtools對順勢作用元件進行可視化
首先需要準備一個序列長度文件嬉探，所有都是2000bp的啟動子序列
隨后是使用上一步得到的順勢作用元件位置信息，打開TBtools進行可視化
設置輸入信息
點擊Start即可得到圖片...不過默認輸出的圖片有點長棉圈，基于JIGplot的特點涩堤，自己拖拽幾下即可得到下圖
可以看到，似乎有一個序列是AT1G35240.1帶有明顯增多的生長素響應元件分瘾？胎围！具體生物學問題還是看做這個家族的人了。
6. 進化往往能告訴我們更多信息
于是我們把基于蛋白序列做的進化樹也加上去
然后德召，如果你對TBtools的JIGplot引擎熟悉的話白魂，直接用panelEditor調(diào)整兩個Panel即可，如果不熟悉上岗，那就福荸。。肴掷。手動拖吧
可以得到下圖
如果關(guān)注某個元件敬锐，如生長素響應，或者其他捆等？
作者：生信藥丸
鏈接：http://www.reibang.com/p/f5ac1c21c202
來源：簡書
著作權(quán)歸作者所有滞造。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處栋烤。
