劉小澤寫于18.9.25
今天接觸到一個(gè)新名詞——基因家族分析，不搜不知道，一搜嚇一跳。2018年關(guān)于基因家族分析的文章已經(jīng)超過了180篇俏险，并且門檻不高，甚至用公共數(shù)據(jù)庫就能做扬绪。
什么是基因家族竖独？
想想我們?nèi)说募易澹隙ㄊ且淮蠹易蛹放＃粋€(gè)共同的祖先的后代莹痢。盡管子子孫孫長相各異，但是血緣關(guān)系維持著我們的親疏遠(yuǎn)近
基因家族墓赴，當(dāng)然也是來源一個(gè)祖先竞膳，經(jīng)過基因重復(fù)和突變而產(chǎn)生的一組具有序列結(jié)構(gòu)與功能相似性的基因，它們編碼相似的蛋白質(zhì)產(chǎn)物诫硕。當(dāng)然同一個(gè)家族的可以緊密排列在一起坦辟，構(gòu)成一個(gè)大“宗親”（基因簇）。但更多時(shí)候章办，“人各有志”（子孫基因也各有作用）锉走，同一個(gè)家族的基因們分散在同一個(gè)染色體的不同位置，或者在不同染色體（相當(dāng)于我們和周圍的親人都身處各行各業(yè)）藕届，每個(gè)基因有著自己不同的表達(dá)調(diào)控模式挪蹭。
重復(fù)主要分為：基因片段復(fù)制、串聯(lián)重復(fù)休偶、逆轉(zhuǎn)錄轉(zhuǎn)座【一般拷貝數(shù)會(huì)增加】
突變主要有：核苷酸插入梁厉、缺失、轉(zhuǎn)換椅贱、顛換懂算；基因重組；基因轉(zhuǎn)換庇麦。這些因素再加上后來群體的遺傳漂變、自然選擇過程將這種趨勢進(jìn)行擴(kuò)散喜德，并逐步確定下來突變【一般拷貝數(shù)不增加山橄，基因重復(fù)性比較小】
簡而言之，基因家族就是一組功能相似舍悯、序列具有同源性的基因
因此航棱，如果不從“共同祖先”的角度出發(fā)睡雇，考慮“結(jié)構(gòu)域”的話：對于一個(gè)基因家族，它的特點(diǎn)就是編碼蛋白都有同一個(gè)結(jié)構(gòu)域饮醇，因?yàn)橐话銇碇v它抱，結(jié)構(gòu)域決定某種功能，保守的結(jié)構(gòu)域序列朴艰，容易形成穩(wěn)定的三維結(jié)構(gòu)【結(jié)構(gòu)域：Protein domain观蓄，是構(gòu)成蛋白質(zhì)（三級）結(jié)構(gòu)的基本單元，Pfam和InterPro都是結(jié)構(gòu)域網(wǎng)站】
為什么做基因家族祠墅？
- 一個(gè)基因家族侮穿，一般存在于多個(gè)物種（不同物種中的叫亞家族基因），并且很多基因家族都是轉(zhuǎn)錄因子毁嗦，可以對家族內(nèi)基因啟動(dòng)子區(qū)域進(jìn)行分析亲茅；還能找?guī)讉€(gè)物種，分析同源基因的基因結(jié)構(gòu)狗准、motif分析克锣，找到保守的motif；還可以結(jié)合濕實(shí)驗(yàn)QRT-PCR腔长，找出(二)十幾個(gè)基因做不同組織的表達(dá)量袭祟，看哪些基因具有較強(qiáng)的組織特異性表達(dá)性
- 對于剛有基因組的但注釋不全的物種，基因家族待挖掘資源較多
基因的遠(yuǎn)近
我們?nèi)祟惣幢闶峭粋€(gè)祖先饼酿，在長期繁衍過程中榕酒，也會(huì)產(chǎn)生親疏遠(yuǎn)近，所以才有了“遠(yuǎn)親不如近鄰”這樣的俗語故俐，那么基因呢想鹰？
Homolog: A gene related to a second gene by descent from a common ancestral DNA sequence. The term, homolog, may apply to the relationship between genes separated by the event of speciation (see ortholog) or to the relationship betwen genes separated by the event of genetic duplication (see paralog).
（同源基因：來自共同祖先DNA序列的基因，包括了物種間的同源“ortholog”药版、物種內(nèi)的因基因復(fù)制導(dǎo)致的同源"paralog"）
出自 https://homepage.usask.ca/~ctl271/857/def_homolog.shtml
-
Ortholog：Orthologs are genes in different species that evolved from a common ancestral gene by speciation. Normally, orthologs retain the same function in the course of evolution. Identification of orthologs is critical for reliable prediction of gene function in newly sequenced genomes
（直系/垂直同源基因： 同一祖先但后來形成了不同物種辑舷，它們之間的基因集。一般從進(jìn)化上來講槽片，有相同的功能何缓，但這個(gè)并不絕對，可能在新測序的物種中又會(huì)發(fā)現(xiàn)新的基因功能） -
Paralog：Paralogs are genes related by duplication within a genome. Orthologs retain the same function in the course of evolution, whereas paralogs evolve new functions, even if these are related to the original one
（旁系/平行同源基因： 某個(gè)特定基因組中由于基因復(fù)制產(chǎn)生的同源基因还栓，直系基因在進(jìn)化中一般會(huì)保持相同的功能碌廓，但是旁系基因會(huì)發(fā)生進(jìn)化，可能已經(jīng)有了新的功能剩盒，或者成為了假基因）
一般來講谷婆，在描述同源性和相似性時(shí)，可以理解成：同源性為“質(zhì)”，即有沒有同源性纪挎；相似性為“量”期贫，即相似性有80%、90%
基因家族能做的事
-
鑒定基因家族的成員
先要準(zhǔn)備好：CDS.fa、protein.fa烤蜕、xxx.gff3和genome.fa
NCBI 導(dǎo)出目標(biāo)基因編碼蛋白序列=》
數(shù)據(jù)庫Pfam封孙，設(shè)定e-value 閾值=〉
得到domain名稱和Pfam ID，如PFxxxxx =》
查看該P(yáng)fam ID玖绿，左側(cè)欄選擇Curation&model敛瓷，下載Stockholm格式的HMM文件*.hmm=》
使用hmmsearch *.hmm protein.fa > result=>
批量獲取gene ID，然后根據(jù)ID獲得protein.fa中的基因家族成員蛋白序列=》最后在SMART網(wǎng)站進(jìn)行鑒定=〉
接下來得到CDS斑匪、genome信息（需要染色體編號呐籽、起始終止位點(diǎn)、基因ID蚀瘸、序列）
構(gòu)建這些成員的進(jìn)化樹狡蝶，進(jìn)行同源基因聚類分析
將篩選的基因家族的蛋白序列進(jìn)行多序列比對，還可以加入相關(guān)的模式物種贮勃，將基因們分成幾個(gè)大類和幾個(gè)亞類-
染色體位置分布和加倍復(fù)制分析
可以用MCScanX軟件http://chibba.pgml.uga.edu/mcscan2/
染色體位置分布和加倍復(fù)制分析
圖片來自文章：Genome-wide investigation of WRKY gene family in pineapple: evolution and expression profiles during development and stress
紅色表示基因家族成對復(fù)制贪惹，灰色表示共線性關(guān)系
- 基因結(jié)構(gòu)、motif分析
- 結(jié)合轉(zhuǎn)錄組進(jìn)行家族內(nèi)基因表達(dá)定量（可以結(jié)合不同處理或不同組織）奏瞬，表達(dá)定量的方法可以用轉(zhuǎn)錄組、表達(dá)譜泉孩、芯片硼端、qRT-PCR，這里可以讓之前的轉(zhuǎn)錄組數(shù)據(jù)重復(fù)利用寓搬，因此要做的話珍昨，純濕實(shí)驗(yàn)也就是熒光定量
歡迎關(guān)注我們的公眾號～_～
我們是兩個(gè)農(nóng)轉(zhuǎn)生信的小碩，打造生信星球句喷，想讓它成為一個(gè)不拽術(shù)語镣典、通俗易懂的生信知識平臺。需要幫助或提出意見請后臺留言或發(fā)送郵件到Bioplanet520@outlook.com
