對于非模式物種撼唾，需要做GO或KEGG富集坎背，可以嘗試使用EGGNOG-Mapper來對你的物種序列進行快速注釋柜思。在注釋結(jié)果文件中，可以同時獲得序列映射上的GO號或KO號炒俱，直接提取出來即可盐肃。
此外爪膊，EGGNOG-Mapper對序列進行注釋，似乎對區(qū)分旁系同源基因和直系同源基因上有更好的表現(xiàn)砸王。
-
EGGNOG-Mapper可以直接使用網(wǎng)頁版推盛，也能在服務(wù)器上進行本地化。由于比對調(diào)用的是diamond谦铃，因此運行速度很快耘成，2W+基因只需要十來分鐘，推薦直接使用網(wǎng)頁版驹闰。
工作流程
一瘪菌、EGGNOG-Mapper網(wǎng)頁注釋
- 注釋網(wǎng)址
http://eggnog-mapper.embl.de/
-
運行提交的任務(wù)
-
注釋完成之后會收到通知郵件，通過郵件中的鏈接下載注釋結(jié)果
-
其中嘹朗，out.emapper.annotations是最終的注釋結(jié)果
- 結(jié)果文件如下师妙，其中我們最關(guān)注的是第十列的GO號以及第十二列的KO號。
- 這里以提取KO號為例屹培，制作query2ko背景文件疆栏，可以以此直接使用TBtools進行富集分析。
- 提取基因及其映射上的KO號惫谤，KO號在第12列
cut -f 1,12 out.emapper.annotations > out.emapper.annotations.query2ko
- 查看提取結(jié)果發(fā)現(xiàn)有些基因沒有被注釋上壁顶，需要去掉沒有注釋的基因以及去掉KO號前面的
ko:
注意：需要保持ID的一致性，否則注釋不出結(jié)果（例如拿來做注釋的往往是蛋白序列溜歪，一般會包括可變性剪切的標識符AT4G36920.1
若专，這個時候需要注意做富集的差異基因是否包含該標識符，需要統(tǒng)一蝴猪；再者调衰，如果使用的是ensembl ID，則需要注意統(tǒng)一使用Transcript ID或Gene ID）
- 去掉沒有注釋的基因以及去掉KO號前面的
ko:
grep -v '-' out.emapper.annotations.query2ko|sed 's/ko://g' > out.emapper.annotations.query2ko.final
-
整理好的query2ko文件如圖
-
直接使用TBtools進行富集分析
二自阱、本地化EGGNOG數(shù)據(jù)庫及注釋
- 需要python3.7以上的版本
- 安裝嚎莉，直接使用conda安裝，可以一鍵解決eggnog-mapper需要的環(huán)境以及分析需調(diào)用的軟件沛豌，省事
conda install -c bioconda eggnog-mapper
- 下載數(shù)據(jù)庫趋箩，eggnog-mapper的新版本已經(jīng)將幾個主要數(shù)據(jù)庫都整合在一起，直接運行下載腳本即可加派。也可以上官網(wǎng)選擇自己所需要的物種數(shù)據(jù)庫進行下載
http://eggnog5.embl.de/#/app/downloads
download_eggnog_data.py
- 使用emapper.py腳本進行注釋
emapper.py --cpu 80 -i 待注釋文件 -o 輸出文件名
- 注釋結(jié)果整理參考前述的結(jié)果整理
寫在后面
碩士三年匆匆而過叫确，現(xiàn)在也步入新的研究領(lǐng)域，就如同三年前初到914一樣芍锦。
一切重來竹勉，要學(xué)的還有很多，大家加油娄琉！
最后次乓，干飯喊我 哈哈吓歇。
