1、v1.0可編輯可修改真核基因組分析常規(guī)流程一，二代數(shù)據(jù)質(zhì)量控制二代測序數(shù)據(jù)質(zhì)量控制軟件FastQC分析的內(nèi)容包括：測序數(shù)據(jù)的基本信息每個(gè)堿基的質(zhì)量值每條reads序列的質(zhì)量值每條序列的ATC切成每條序列N的含量每條序列的長度分布序列中duplication程度K-mer信息二，軟件信息：數(shù)據(jù)過濾過濾掉低質(zhì)量值的reads過濾掉接頭過濾掉N含量多的reads過濾掉長度過短的reads過濾掉PCRM復(fù)三，組裝組裝軟件可以根據(jù)基因組情況選擇，具體方法參看軟件說明。四，組裝結(jié)果評估來評估組裝的質(zhì)1)將組裝用reads回貼到組裝的基因組上，看readsmappingrate量可以使用bwa來比對，sam

2、tools來統(tǒng)計(jì)2)使用CEGM米評估組裝的完整性CEGMA(CoreEukaryoticGenesMappingApproach)isapipelineforbuildingasetofhighreliablesetofgeneannotationsinvirtuallyanyeukaryoticgenome.Thestrategyreliesonasimplefact:somehighlyconservedproteinsareencodedinessentiallyalleukaryoticgenomes.WeusetheKOGsdatabasetobuildasetofthesehig

3、hlyconservedubiquitousproteins.Wedefineasetof458coreproteins,andtheprotocol,CEGMA,tofindorthologsofthecoreproteinsinnewgenomesandtodeterminetheirexon-intronstructures五，基因組注釋1）重復(fù)序列注釋repatscout.Ab fnitiarepeatmodelerpilerFinal resultEviden ce-drivenregeatmaskerproteinmasktrf2）基因注釋3）蛋白功能注釋蛋白結(jié)構(gòu)注釋：interp

4、roscan同源注釋：swissprottremble數(shù)據(jù)庫通路：kegg數(shù)據(jù)庫六，進(jìn)化分析1）基因家族聚類同源的蛋白質(zhì)可以分為直系同源與旁系同源，當(dāng)同源是基因復(fù)制的結(jié)果，兩份拷貝在一個(gè)物種的歷史上是平行演化的，這樣的基因被稱為旁系同源基因。當(dāng)同源是物種形成的結(jié)果，基因的歷史反映了物種的歷史，被稱為直系同源；直系同源是不同物種內(nèi)的同源序列，他們是來自于物種形成時(shí)的共同祖先基因；通常認(rèn)為直系同源的序列具有相似的生物學(xué)功能；使用OrthoMCL聚類2）系統(tǒng)發(fā)育樹構(gòu)建選取所有物種的單拷貝同源基因，分別進(jìn)行比對，連成一個(gè)supergene,提取四倍簡并位點(diǎn)構(gòu)建系統(tǒng)樹3）分歧時(shí)間計(jì)算使用PAMLmcmc

5、tree計(jì)算分歧時(shí)間利用里面的時(shí)間進(jìn)行校對4） 4dtv距離分布計(jì)算使用mcsan尋找共線性基因?qū)?，?jì)算共線性基因?qū)Φ?dtv距離，作出分布圖。5） Ks分布計(jì)算流程的功能1,檢測物種（植物）是否有過近期全基因組復(fù)制或者大規(guī)模復(fù)制事件。2,估計(jì)該物種全基因組復(fù)制的時(shí)間范圍。流程實(shí)現(xiàn)1,根據(jù)基因家族聚類的結(jié)果找到每個(gè)家族的每條基因2,根據(jù)BLASTP結(jié)果找串聯(lián)重復(fù)基因家族（基因間插入數(shù)小于20視為串聯(lián)）3,對每個(gè)基因家族的序列做muscle比對4,轉(zhuǎn)換成cds的phylip格式5,使用PAML中的yn00計(jì)算基因家族中序列倆倆的Ks值6,去掉大于2的Ks值取中位或者平均值來代表這個(gè)基因家族每個(gè)copy的Ks（若該基因家族有N個(gè)基因，則發(fā)生過N-1次復(fù)制）7,以每為單位加和這個(gè)區(qū)間的Ks8,作圖分布圖7） 共線性分析Mcscan的結(jié)果，過濾后做點(diǎn)圖或