SSRIT:简单重复序列识别工具

欢迎关注"生信修炼手册"！

微卫星microsatellite, 又叫做简单重复序列(simple sequence repeats, SSR)或者短串联重复序列(short tandem repeats, STR), 指的是以2到10bp的短序列为单位，重复出现多次所构成的DNA序列。

重复的最小单位称之为motif, 示例如下

agagagagagag

上述片段就是一段SSR序列，motif为ag, 重复出现了6次。

微卫星DNA种类多，分布广，在基因组中平均50bp就有一个重复序列；在不同种族，不同人群中重复单位和重复次数都大不相同，构成了SSR遗传多态性。

SSRIT是一款识别简单重复系列的软件，官网如下：

http://archive.gramene.org/db/markers/ssrtool

该软件的官网提供了在线服务，用法如下

第一步，选择motif的最小长度和最小重复次数

参数a用于选择motif的最小长度，可选范围为2到10bp; 参数b用于选择最小重复次数，建议最小重复次数为5以上。

第二步，输入fasta格式的序列

在文本框中，输入fasta格式的序列，然后点击右下角的FIND SSRs提交即可。

输出结果如下

第一列为SSR区域的ID,由序列标识符和数字编号构成，第二列为Motif的碱基序列，第三列为重复次数，第四列和第五列对应SSR区域的起始和终止位置，第六列为输入序列的总长度。

也可以下载脚本本地运行，安装过程如下

wget ftp://ftp.gramene.org/pub/gramene/archives/software/scripts/ssr.pl

该软件采用perl语言开发，直接下载对应的perl脚本就可以了，这个perl脚本写的是比较简陋的，并没有提供帮助文档之类的信息。从源代码可以看出，用法如下

perl ssr.pl input.fasta  > ssr.txt

只需要提供fasta格式的输入文件就可以了，一次可以提供多个fasta文件，示例文件如下

>seq1
agagattaggatcgatcgcgctctctctctctctctcgatcgagatcgat
ggccatcatcatcatcatcattgagatatagcgcgatatcgagagatctc
agaatagatatcgcgctatagagagatcgagagagagtaga
>seq2
agagataggaatatgagatagcgggggggggggggcgctatacgcgctcg
gagagagatctctctctctcttatagagatcgatcgactagctagatata
agactcactcactcactcactcactcagcgcgat

输出结果通过重定向保存在ssr.txt文件中，该文件的内容如下

seq1 1 3 cat 6 54 71 141
seq2 1 4 actc 6 103 126 134

输出内容和在线服务基本一致，第2列和第三列不需要看。需要注意的是，同样的输入文件，在线服务识别到了4个SSR区域，而本地版只识别到了2个，这个是因为参数设定不同。

本地版的motif长度和重复序列次数只能通过修改源代码实现，对应代码如下

my @specs = ([2,9],  #dinucl. with >= 9 repeats
            [3,6],  #trinucl. with >= 6 repeats
            [4,5]); #tetranucl. with >= 5 repeats

默认情况下，对于2bp的motif, 要求最小重复次数为9次，ct这个motif只出现了8次，所以过滤掉了，如果想要和官网保持一致，可以修改源代码，然后再次运行就可以了。