基于全基因组的基因家族分析（1）：数据准备
1.基因组下载网站介绍
Sol Genomics Net：茄科基因组网络，里面包括了很多物种的基因组测序结果：番茄，土豆，茄子等。而且基因组更新最快，搜索了一下发现NCBI番茄基因组和Phytozome番茄基因组为ITAG2.4，而SGN已经是最新版本的ITAG3.2，当然以前的版本也都存在，特别方便。 此外，NCBI ProteinID是refseq accession(GENBANK文件格式有关于NCBI中ID的说明)，在最后转换到番茄protein ID时会有问题，小编最后终于放弃，没有找到转换的方法（谁要是知道方法，麻烦告诉我一下，一直很苦恼）。而Phytozome要下载这些数据居然还要注册，真的有点烦，偷偷告诉你，SGN貌似也要注册（这个大家应该都没有什么问题，就直接跳过）。
刚开始选择很关键，最好我觉得还是选择最新的版本，SGN还是比较信赖。而且在后面分析基因家族的时候，会出现家族数量相差比较大，可能有10个左右的差距，新版本的基因会多。（小编因为做的跟番茄相关，所以选择了番茄，对这些网站稍微熟悉一点，大家可以选择自己熟悉的领域相应选择）。
SGN
Pythozome
NCBI
NCBI RefSeq Accession
SGN完整版基因组
2.序列相关文件下载
基础文件一般我们下载4个：CDS.fa、Protein.fa、GFF.gff3和Genome.fa
# 小编在home目录下新建sra目录，所有数据都放在这个目录里面
cd ~/sra
# 全基因组CDS序列下载
wget ftp://ftp.solgenomics.net/tomato_genome/annotation/ITAG3.2_release/ITAG3.2_CDS.fasta
# protein序列下载
wget ftp://ftp.solgenomics.net/tomato_genome/annotation/ITAG3.2_release/ITAG3.2_proteins.fasta
# gff注释文件下载
wget ftp://ftp.solgenomics.net/tomato_genome/annotation/ITAG3.2_release/ITAG3.2_gene_models.gff
# genome序列下载
wget ftp://ftp.solgenomics.net/tomato_genome/assembly/build_3.00/S_lycopersicum_chromosomes.3.00.fa.tar.gz
# 解压genome压缩文件
tar -zxvf S_lycopersicum_chromosomes.3.00.fa.tar.gz && rm S_lycopersicum_chromosomes.3.00.fa.tar.gz本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-05-02，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读