2015年有一篇文献中提到了hpv的研究现状
As of May 30, 2015, 201 different HPV types had been completely sequenced and officially recognized and divided into five PV-genera: Alpha-, Beta-, Gamma-, Mu-, and Nupapillomavirus.
文献地址: http://www.ncbi.nlm.nih.gov/pubmed/26086163
根据文献,我找到了hpv所有已知测序种类的参考基因组网站:http://www.hpvcenter.se/html/refclones.html
截至到2015年7月已经有了205种,我爬取它们的genebank ID号,然后用python程序批量下载了它们的序列,能下载的序列共179条,都是8K左右的碱基序列。
根据genebank ID或者其它ID号批量下载核酸序列的脚本如下:
import sysimport timeimport randomfrom Bio import Entrezids=[]infile=sys.argv[1]for line in open(infile,'r'):line=line.strip()ids.append(line)for i in range(1,len(ids)):# t = random.randrange(0,5)handle =Entrez.efetch(db="nucleotide", id=ids[i],rettype="fasta",email="jmzeng1314@163.com")# time.sleep(t)print handle.read()
脚本的使用很简单,保持输入文件是一行一个ID号即可。同时,根据文献我们也能得到hbv病毒提取方法当然,我当年居然写过python???
同样,拿到下载的178条序列我们可以做一个进化树,在那篇文章中已经做好了,我就不做了。
下载179条hpv序列,每条序列都是8KB左右。我还用了R脚本批量下载
library(ape)a=read.table("hpv_all.ID") #输入文件是一行一个ID号即可for (i in 1:nrow(a)){tmp=read.GenBank(a[i,1],seq.names = a[1,1],as.character = T)write.dna(tmp,"tmp.fa",format="fasta", append=T,colsep = "")}
然后用muscle做比对,比对过程相对比较简单,大家感兴趣可以参照我之前的几篇笔记。
muscle -in mouse_J.pro -out mouse_J.pro.amuscle -maketree -in mouse_J.pro.a -out mouse_J.phy
貌似时间有点长呀,最后还莫名其妙的挂掉了,可能是我的这个测试服务器配置有点低。
(非常经典的 segmentation fault )
进化树如下所示: