基于TBtools做基因家族分析 | 生信部分 | 三
# **原文链接：[基因 TBtools 做基因家族分析 | 生信部分](https://mp.weixin.qq.com/s/brDV1v4Y5cUWylbB7Wvb1w)**---
# [基于 TBtools 做基因家族分析 | 生信部分 | 一](https://www.resbang.com/thread-243-1-1.html)
# [基于TBtools做基因家族分析 | 生信部分 | ]()二
---
**「一边学习，一边总结，一边分享！」**
# **原文链接：[基因 TBtools 做基因家族分析 | 生信部分](https://mp.weixin.qq.com/s/brDV1v4Y5cUWylbB7Wvb1w)**
# **三、IA图形美化**
**美化，我罗列出单个章节进行讲解。表明，是很重要的。以及，图形的美化，需要不断学习和模范大牌期刊的图形类型，以及自己要时刻进行总结和创新。对于创新，这个就比较玄学，每个人的审美不同，逻辑不同，关注点不同.......导致最终看到的点也不同。因此，我们在不是很离谱的创作中，结合自己的审美进行美化即可。****我们要坚信：审美。首先要符合自己，其次，再考虑别人。**只有自己先认同，你才有可能让其他人也认同！
## 3.1 使用工具
**1.推荐使用的工具****：AI、PS**
**如果不知道类似软件的，自己百度。**
1. **如何安装**
* **有钱人：购买正版**
* **穷人（和我一样）：薅羊毛，使用破解版**
1. **如何获取安装包**
**在本公众号中回复关键词获得。**
* **PS安装包关键词：**PS
* **AI安装包关键词：**AI
**或是你自己寻找相关版本的安装包即可。**
**提示：**请自己输入正确的关键词（每次看到有些同学们的关键词，真的很无语......）
---
## 3.2 实际操作
1. **打开AI，新建图层**A4
2. **导入进化树，适当调整进化树的宽度和字体大小**
3. **依次导入的目的基因的motif、基因结构域等图形。并依次按进化树基因名进行排序即可。**
4. **为后期的图形的整齐性，我们使用参考线进行对齐，便于后期的调整。****注意：这里看到我们的motif的图形颜色很难看，这就是前期没有考虑颜色的结果。因此，我一直强调，文章图形颜色统一的重要性，图形颜色搭配合理，你的论文已经成功1/3了。**换一种颜色就感觉好多了呀。
5. **添加基因结构图**添加图形的操作都是一样的，不做多赘述。
6. **如何美化 对于美化，每个人的要求不一致，只要符合你的审美即可。我们在这里就直接添加渐变色。**
7. **新建一个图层 新建图层置于最底层。**
8. **选择图形工具**
9. **利用进化树的分支，将其进行分类**
10. **填充颜色（根据自己的喜好）**
11. **更改透明图**
12. **渐变色**
* **不透明度：60**
* **中间位置：10-50% 结合实际情况调节。**
1. **最后图形**图形很多细节需要自己耐心调节，这里只是做示范，相对比较粗糙。
# **四、多物种共线分析**
**共线分析依旧是使用TBtools，哈哈哈哈，做基因家族TBtools可以帮你完成80%的生信分析。毫不夸张!!!!! TBtools共线分析的教程很多，我们以**[零基础多物种间共线性分析](https://mp.weixin.qq.com/s/53tq6H8OX5M24IKkFkSMFw)教程作为参考（也不是作为参考了，是直接按他的步骤进行操作）。其他参考教程：[全基因组共线性分析](https://mp.weixin.qq.com/s/5Qp8Yk7Te3X1z5WQGhu_SQ)、[无限个！物种共线性分析结果可视化](https://mp.weixin.qq.com/s/2sXn85RtVvhLKBvohVXnTA)、[任何人！一键完成物种间的共线性分析与可视化](https://www.jianshu.com/p/f39bff6c4746)。
## 4.1 需要文件
1. **参考基因组fa文件**
2. **注释文件GFF or GTF**
**TBtools可以对无限个作物进行共线分析，牛！！！**
## 4.2 染色体统一命名
**在这个教程中，有这样的一个步骤，如果你需要，你就进行操作。**
1. **gtf文件进行ID prefix**
2.
3. fa文件进行ID prefix
## 4.3 实操
1. **打开**one step MCScanx**小程序**
2. **输入两个作物的文件信息**
3. **点击开始**Start
4. **如果是多个作物，那么依次进行两两比较。比如：共线结果是以这样的顺序：Tomato-LA-Arabidopsis**
**比对顺序：**
* **Tomato-LA**
* **LA-Arabidopsis**
1. **比对结果GFF文件合并**
* **打开**Text Merge for MCScanX**程序**合并多个的MCScanX的结果文件中的GFF文件拖拽文件
**6.比对结果**ChrLayout.tab.xls**文件合并**7. 比对结果**geneLinks.tab.xls**文件合并同上操作！ 8. 合并文件 最终获得以下3个文件，用于绘制图形。9. 要在共线中显色的基因ID
```plain
Solyc03g062790.3.1
Solyc10g018590.2.1
Solyc01g104320.4.1
Solyc03g083420.4.1
AT4G22240.1
AT2G35490.1
AT1G51110.1
AT5G53450.3
........
```
1. **绘图。打开**Multiple synteny plot输入参数输出图形
---
**注意，在输出图形中，我们可以看到作物染色体位置是有改变的。那么，如何更改呢？回答：直接更改Chr文件即可。**更改这里的顺序即可！
# **五、同源目标基因元件预测**
**目标基因的元件预测，我们这里主要介绍使用两个网站进行。**
## 5.1 提取目标基因上游2000bp
**参考教程**[顺式作用元件预测和新的可视化方式](https://mp.weixin.qq.com/s/Z_jDmAWqU8MaQtFRM-thlQ)、[植物启动子-顺式作用元件-批量提取-预测-可视化分析](https://mp.weixin.qq.com/s/EfGUnjfv2o5L6ikxJqIDOQ)，同样是使用TBtools操作。
1. **需要文件**
* **作物参考基因组fa文件**
* **注释文件GFF or GTF**
* **目标基因ID**
1. **直接使用TBtools中的**Gtf /Gff3 Sequences Extractor**获得每个基因的fa序列**输出文件点击**Initalize**，选择**CDS**选择上游2000bp的fa序列
2. **目标基因的fa序列，打开**Fasta Extract or Filter (Quick)输出结果文件：
3. **查看信息是否正确，打开**Fasta Stats
4. **转换序列（全部为大写），打开**Sequence Manipulate (Rev&Comp
## 5.2 提交预测网址进行顺式作用预测
**预测，这里使用两个网站进行预测，分别是**PlantCare**和**PLCAE**。**
### 5.2.1 使用Plantcare进行预测
**网址：**[http://bioinformatics.psb.ugent.be/webtools/plantcare/html/](http://bioinformatics.psb.ugent.be/webtools/plantcare/html/)
1. **上传序列后，Plant可以提供你自己的邮箱，运行结束后，结果直接发送到你的邮箱中。**
2. **邮箱中获得结果，根据你的序列多少，10分钟以上吧！**
3. **结果**
4. **使用execl打开后**
```plain
1. 基因ID；
2. 顺式作用元件名称；
3. 顺式作用元件序列；
4. 顺式作用元件的起始位置；
5. 顺式作用元件的长度；
6. 顺式作用元件所在的链的方向；
7. 物种名；
8. 顺式作用元件所在的功能分类；
```
**删除某些不需要的结果：** **需要删除：**
```plain
1. 剔除第2列为空的行
2. 剔除第2列为unnamed的行
3. 最后一列，无功能作用的
```
**具体删除的数据，根据自己的分析来做。**最后，可以删除掉1000行以内
**-- 来自**[顺式作用元件预测和新的可视化方式](https://mp.weixin.qq.com/s/Z_jDmAWqU8MaQtFRM-thlQ)，这个意见有重要的参考意义。如果不合并，导致元件的作用太多，绘制出的图形颜色太杂，且不好看。5. 绘图绘图前还需要准备基因的长度文件输入数据，设置参数结果：在TBtools中也可以输入进化树文件。
---
**我们这里也可以使用的起那么AI中的呢进化树进行模板进行美化。**
### 5.2.2 PLACE进行预测
**网址:**[https://www.dna.affrc.go.jp/PLACE/?action=newplace](https://www.dna.affrc.go.jp/PLACE/?action=newplace)
* **缺点：PLACE一次最大只能输入20条基因序列，有一定的限制性。获得结果为网页版，如要整理，只能手动整理或使用脚本进行整理。**
* **优点：速度快！**
1. **获得结果**每个基因为单独的，需要自己整理。
* **只给元件名称、开始位置、序列、功能（SITE，需要点击进去才可以看到）**
* **整理，单独粘贴复制到execl中，并使用脚本进行整理。**
---
**选择哪个网站进行预测，取决于自己。只要结果符合我们自己的预期结果即可！！！**
---
### 5.2.3 热图可视化
**输入数据格式如下（可以根据自己的情况筛选）：**脚本：
```plain
install.packages('tidyverse')
intall.packages('RColorBrewer')
# 加载包
library(tidyverse)
library(RColorBrewer)
# 1.读取数据
df <- read_tsv('data.txt', col_names = F) %>% select(1,2)
# 2.整理数据
tidy <- df %>%
group_by(X1, X2) %>%
summarise(number = n()) %>%
arrange(desc(number))
# 3.查看数量分布，确定配色个数
summary(tidy$number)
# 最大值为9，所以下面的代码 hcl.colors(9, "RdYlGn")中为9
# 4.画图
ggplot(tidy, aes(x = X2, y = X1, fill = number)) +
geom_tile(color = 'black') +
geom_text(aes(label = number),col='black',cex = 1.5) +
scale_fill_gradientn(colors = rev(hcl.colors(9, "RdYlGn"))) +
scale_x_discrete(position = "top")+
theme_bw() +
theme(axis.text.x = element_text(angle = 90, hjust = 0),
axis.title = element_blank(),
axis.text = element_text(size = 7, color = 'black'))
```
```plain
# 通过修改 scale_fill_gradientn参数给每一个值指定颜色
cc <- c('#d9d9d9', '#f7fcb9', '#d9f0a3', '#addd8e', '#78c679', '#feb24c', '#fd8d3c', '#fc4e2a', '#b10026')
ggplot(tidy, aes(x = X2, y = X1, fill = number)) +
geom_tile(color = 'black') +
geom_text(aes(label = number),col='black',cex = 2.5) +
scale_fill_gradientn(colors = cc) +
scale_x_discrete(position = "top")+
theme_bw() +
theme(axis.text.x = element_text(angle = 90, hjust = 0),
axis.title = element_blank(),
axis.text = element_text(size = 7, color = 'black'))
```
### 5.2.4 美化
**基于AI进行美化，方法同上**
---
# **六 ENDING**
**说实话，基因家族的文章分析确实消耗的时间和精力不算是很多。生信部分就差不多这些吧！再加上一些组学的数据来验证即可。除了生信的部分，剩余就是实验来验证，将两者进行结合，好一点的文章也可以发。我自己前面没有接触过基因家族的分析，因此，本次就是现学现做，做的还是比较简单。**
**本次来接触基因家族的分析，感触最深的就是，TBtools真的很强大。基因家族的分析、画图都可以使用它来完成。不得了啊，真的是将做生信的门槛一降再降，点赞点赞**
---
**本期内容是自己的做了一个整理，算是“教程搬运工”，也是自己在做分析后做的总结。自己不知道，这次分析后，多久以后还能涉及基因家族的分析。总结总结！！ 但是，说实话！这个总结也花费自己很长的时间，如果你想获得这个教程的文本文档，可以“喜欢点赞，支持”，我在后台看到后会第一时间将文档链接发给你！！**
**若我们的教程对你有所帮助，请**点赞+收藏+转发，这是对我们最大的支持。
# **原文链接：[基因 TBtools 做基因家族分析 | 生信部分](https://mp.weixin.qq.com/s/brDV1v4Y5cUWylbB7Wvb1w)**
### 往期部分文章
**「1. 最全WGCNA教程（替换数据即可出全部结果与图形）」**
* (https://mp.weixin.qq.com/s/M0LAlE-61f2ZfpMiWN-iQg)
* (https://mp.weixin.qq.com/s/Ln9TP74nzWhtvt7obaMp1A)
* (https://mp.weixin.qq.com/s/rU76rLG4AayuiHbDhgOGBg)
* (https://mp.weixin.qq.com/s/Ot2h3LH82vfg4m7YLG8e0w)
* (https://mp.weixin.qq.com/s/ca8_eqirjJYgC8hiaF8jfg)
---
**「2. 精美图形绘制教程」**
* [精美图形绘制教程](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzAwODY5NDU0MA==&action=getalbum&album_id=2614156000866385923&scene=173&from_msgid=2455848496&from_itemidx=1&count=3&nolastread=1#wechat_redirect)
**「3. 转录组分析教程」**
* **「**[转录组上游分析教程[零基础]](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzAwODY5NDU0MA==&action=getalbum&album_id=2870608342451224581&scene=126&uin=&key=&devicetype=Windows+10+x64&version=63090719&lang=zh_CN&ascene=0)**」**
* **「**[一个转录组上游分析流程 | Hisat2-Stringtie](https://mp.weixin.qq.com/s/A4cFpkrKGqPeESVQl69jcA)**」**
**「4. 转录组下游分析」**
* [批量做差异分析及图形绘制 | 基于DESeq2差异分析](https://mp.weixin.qq.com/s/aIiR5v1olhv7bMkrZjfddQ)
* (https://mp.weixin.qq.com/s/NeHjQk9DEWtx5hGOJhWuZw)
* [单基因GSEA富集分析](https://mp.weixin.qq.com/s/g8ZWgSIIw_6fZimFLmRMng)
* [全基因集GSEA富集分析](https://mp.weixin.qq.com/s/BbkdplN6tHT_tHGEKPABhQ)
**「小杜的生信筆記」** ，主要发表或收录生物信息学教程，以及基于R分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!
页:
[1]