视频实操SCI作图课(12)：迈维云平台助你事半功倍提取序列

迈维代谢

2022.4.30

提取序列

当转录组和蛋白组数据经过一系列生信分析以后，筛选得到一些关注的基因和蛋白，想要对这些基因和蛋白进行深入挖掘，首先就是要获取这些序列信息，在没有生信基础的情况下，通常我们会根据目标ID信息去基因组文件中手动查找。目标基因或蛋白的数量较少的情况下，手动查找勉强可行。如果目标基因或蛋白的数量成百上千，手动查找的任务就很艰巨了，除了会耗费大量的时间和精力，同时也会因为数据量庞大而提高出错的概率。因此，迈维代谢云平台开发了《提取序列》小工具，可帮您快速批量提取基因和蛋白序列。

视频解说教程

迈维云链接：https://cloud.metware.cn

提取原理

物种基因组一般会对应一个fa文件和一个gff文件，fa文件里面就是对应的基因序列，gff文件是基因的结构信息，主要描述了基因组上各种特征的区间信息，包括染色体，基因，转录本等，基因的结构是基因组后续功能研究的基石。结合基因组的结构信息和fa序列信息，我们就可以提取目标基因的CDS序列，mRNA序列和蛋白序列。

fa文件示例

gff文件示例

适用物种

小工具目前已收纳18个基因组信息，包括每个基因组的fa序列和gff信息。用户无需上传基因组信息，选择基因组对应版本号即可。云平台已收录基因组版本号信息如下表：

三．输入文件

想要快速获取目标序列，您只需要准备一个文件，把您需要提取序列的基因ID整理到txt文档就可以了，部分基因ID如下表所示。如果ID名称需要100%匹配上就选精确匹配，例如LOC_Os01g01010.1就只能匹配上LOC_Os01g01010.1的ID序列，如果不需要100%匹配上就可以选模糊匹配，例如LOC_Os01g01010可以匹配上LOC_Os01g01010.1，LOC_Os01g01010.2，LOC_Os01g01010.3等所有包含LOC_Os01g01010的ID。

结果展示

任务运行结束后，会得到5个文件，以水稻rice_IRGSP-v1.0基因为例，输出的结果文件分别是2个txt文档：gene和readme；3个fa文件：rice_IRGSP-v1.0_cds、rice_IRGSP-v1.0_mRNA、rice_IRGSP-v1.0_prot。gene是输入的基因ID信息，readme是结果文件的说明文档，rice_IRGSP-v1.0_cds是CDS序列，rice_IRGSP-v1.0_mRNA是转录本序列，rice_IRGSP-v1.0_prot是蛋白序列。