如何寫一篇家族分析文章(一)—家族分析文章的研讀

首先，我們要先確定一下哪一類家族分析文章可以發高分，或者這類高分文章都有哪些套路，下面我們通過文獻查詢工具google學術搜索鏡像，以gene family為關鍵字，進行搜索：

結果顯示，共2019年就有927片家族分析的文章新鮮出爐!

今天我們先解讀一篇發表在gene上的家族分析文章 Genome-wide identification and characterization of the Dof gene family in cassava (Manihot esculenta）—木薯中Dof基因家族的分析

1.Dof家族簡介

首先，讓我們先認識一下Dof轉錄因子家族。Dof轉錄因子具有一個Dof結構域，可以與DNA結合，對植物的生長發育中扮演重要的角色，而且對各種脅迫均有響應。在此家族中，Dof結構與高度保守，經常定位於氮端，由大約52個胺基酸構成，有一個C2C2鋅指結構域。對於特異性結合具有保守目標DNA的5′-T/AAAAG-3′ 核心序列以及與其他蛋白質，例如OBF（ocs元件結合因子）和TCP14(TCP轉錄因子14)相互作用來說，Dof在其中的作用非常重要。Dof蛋白液有一個二分核定位信號（NLS）與Dof結構域部分重疊，且在C端有一個轉錄激活結構域。

與N-端相比，Dof蛋白的C-端區域是高變的。自從第一個Dof蛋白從玉米中分離出來，它的同源類似物也接連從其他植物中分離。與在大部分藻類中的Dof蛋白成員相比，Dof家族蛋白在陸生植物中表現出來較高的分布廣泛性.例如，擬南芥中發現了36個此家族成員，水稻中30個，白楊41個，白菜中76個。基於進化分析，Dof蛋白被分為四個亞家族（A，B,C,D），且B,C,D亞家族能夠進一步分為一些groups。相比較而言，對木薯中此家族的研究知之甚少！

2.實驗方法及結果展示

介紹完這個家族，那麼我們就正式看一下這篇文章都做了哪些內容吧！

2.1數據和序列準備

首先，作者分別下載了水稻(RGAP7網站http://rice.plantbiology.msu.edu/)中30個和擬南芥（TAIR10網站http://www.arabidopsis.org/）中36個Dof基因（根據前人文獻）。然後將結果存到這樣的附表中。

下載木薯基因組數據（Phytozome v12 (https://phytozome.jgi.doe.gov/pz/portal.html)，cassava AM560–2），其他的數據，例如核酸序列，ESTs序列以及RNA-seq數據均下載字NCBI。

2.2Dof家族基因的鑑定及人工校正

Dof結構域的pfam號為PF02701，從Pfam上獲得（http://pfam.sanger.ac.uk/），然後用HMMER3.0和TBLASTN進行搜索。E-value值小於1e-5的正向基因組序列在GeneMark.hmm（http://exon.biology.gatech.edu/GeneMark/）上進行驗證。

基因模型稍後進一步用cDNAs，ESTs和RNA-seq reads進行校正確認。Dof結構與是否出現，用SMART來驗證。

然後鑑定出來的結果，以表格的形式展示：

用BLASTN搜索之前報導的核酸或ESTs同源類似物。之前的RAN-seq數據也用於表達注釋，用MCScanX軟體獲得線性關係和WGD重複事件（定位在重複染色體上且在線性block中出現的重複基因）。當兩個基因在基因組中是連續的，考慮是串聯重複。

染色體定位以及線性關係，重複事件以下圖形式表現：

Ks和Ka用codeml和PAML軟體包計算。此外，BRH方法用於鑑定不同物種間的同源基因。

Ka/Ks的結果以如下形式呈現：

2.3 序列比對和進化分析

用MUSTCLE對鑑定的Dof蛋白序列進行多序列比對，然後用MEGA6.0構建進化樹，其中選用最大似然法（ML），用bootstrap方法重複1000次，用JTT替代模型，用Boxshade(http://www.ch.embnet.org/software/BOX_form.html)軟體對比對後的Dof結構與進行可視化。

MeDof基因的系統命名根據其在染色體上的位置來進行，通過CDS序列和基因序列用GSDS對其基因結構進行分析。

多序列比對的結果：

進化樹及分類的圖：

結合進化樹做了一個柱形圖：

2.4蛋白特性及保守的motif的分析

理論分子質量（MW），等電點（PI），和親水性平均值（GRAVY）用ProtParam(http://web.expasy.org/protparam/)計算。

亞細胞定位用CELLO（http://cello.life.nctu.edu.tw/）預測。

亞細胞定位結果圖：

Dof蛋白的保守motif用MEME (http://meme-suite.org/tools/meme)分析，

其中，最優參數如下：最大motif數為25；最大位點為2；每個motif的最優寬度為6到100個殘基。

MAST程序 (http://meme-suite.org/tools/mast）也用來在蛋白庫中搜索鑑定的motifs。

基因結構圖與motif圖的結合結果展示：

記得motif的基本信息列出來：

記得

2.5基因表達分析

不同組織的全部基因的表達模式是基於RNA-seq樣品(GEO接收號為GSE82279)。包括頂端分生組織（SAM），側芽，葉，中脈，葉柄，莖，纖維根，貯藏根，根頂端分生組織（RAM），脆性胚性愈傷組織（FEC）和體細胞組織胚性發育結構（OES）。使用Bowtie 2將過濾的讀數定位到Dof和其他蛋白質編碼基因的編碼序列（CDS），基因表達水平表示為FPKM。除非特定聲明，否則本研究中使用的工具是使用默認參數執行的。

不同組織表達量的熱圖：

大概，我們了解了這篇文章的基本結構，那麼接下來我們就這篇文章對草莓中Dof基因家族進行分析吧！

後面，會分解步驟以及各個軟體如何應用，敬請期待