爾云間? 一個專門做科研的團隊

小果之前主要是在處理數(shù)據(jù)挖掘，從公共數(shù)據(jù)庫里找現(xiàn)成的表達(dá)矩陣。但小果今天接到個話，要處理基因序列，就是有一個轉(zhuǎn)錄本的fasta序列文件，需要預(yù)測一下它的蛋白序列，找一下開放閱讀框，這個操作其實不算復(fù)雜，有個軟件就行了，就是TransDecoder。

先說一下，這是linux系統(tǒng)下的軟件，所以我們的操作要在linux系統(tǒng)下進行，首先是要安裝軟件，這個軟件其實還是挺友好的，因為他只要下載下來就行，不需要單獨安裝?？梢栽趌inux系統(tǒng)下直接使用下面這個命令。

wget?https://codeload.github.com/TransDecoder/TransDecoder/tar.gz/2.0.1

也可以先下載下來然后再傳輸?shù)絣inux系統(tǒng)里。

簡單說一下fasta文件，就是一行標(biāo)題，然后下面一行或幾行序列

TransDecoder.LongOrfs -t target_transcripts.fasta

默認(rèn)情況下，TransDecoder.LongOrfs將識別至少100個氨基酸長的ORF。可以通過’-m’參數(shù)降低此值，但可以知道，使用更短的最小長度標(biāo)準(zhǔn)，誤報ORF預(yù)測的比率會急劇增加

TransDecoder.Predict -t target_transcripts.fasta

最終的文件可以在當(dāng)前目錄找到，也就是后綴為.pep, .cds, .gff3和.bed的文件

一般來說，可以使用TransDecoder對無參轉(zhuǎn)錄組的拼接結(jié)果序列預(yù)測其CDS，所以我們可以先將拼接序列用BLAST比對nr以及swissprot蛋白數(shù)據(jù)庫，然后提取其比對上的同源序列的位置來識別CDS，最后再通過TransDecoder的第一步和第三步來預(yù)測那些未比對上的序列的CDS。這個小伙伴們了解一下就好。

軟件會創(chuàng)建一個工作目錄(例如transcripts.transdecoder_dir /)保存結(jié)果，其中包含：

longest_orfs.pep: 滿足最小長度標(biāo)準(zhǔn)的所有ORF，無論編碼潛力如何。

longest_orfs.gff3: 目標(biāo)轉(zhuǎn)錄本中所有ORF的位置

longest_orfs.cds: 所有檢測到的ORF的核苷酸編碼序列

longest_orfs.cds.top_500_longest: top 500最長的ORF，用于訓(xùn)練編碼序列的馬爾可夫模型

以上是TransDecoder.LongOrfs的結(jié)果，下面是TransDecoder.Predict的預(yù)測結(jié)果。

hexamer.scores: 每個k-mer的對數(shù)似然分?jǐn)?shù)（編碼/隨機）

longest_orfs.cds.scores: 6個閱讀框中每個ORF的對數(shù)似然和分?jǐn)?shù)

longest_orfs.cds.scores.selected: 根據(jù)評分標(biāo)準(zhǔn)選擇的ORF的加入（如頂部所述）

transcripts.fasta.transdecoder.pep: 最終候選ORF的肽序列；刪除較長ORF中的所有較短候選項

transcripts.fasta.transdecoder.cds: 最終候選ORF編碼區(qū)的核苷酸序列

transcripts.fasta.transdecoder.gff3: 最終選定ORF的目標(biāo)轉(zhuǎn)錄本中的位置

transcripts.fasta.transdecoder.bed: 描述ORF位置的bed格式文件

命令是比較簡單的，小伙伴們可以試一下喲，好了，今天的內(nèi)容就是這些了，小伙伴們有什么問題歡迎來討論分享啊。