我飘了，我文章没写完分析没做完开始来写教程了hhhh
因为文章写的是基因家族分析，所以在这里记录一下使用TBtools进行【基因家族分析】的流程
贴吧这不能直接粘贴图片的设定什么时候改一下orz
---
咳咳，总之，所谓【基因家族分析】就是
“你有一个基因，找到它的兄弟姐妹，看看他们有什么一样和不一样的地方”
简而言之就是基因户口普查√
---
第一步，获得一个值得研究的基因！
从师兄师姐那里，或者文献里找。
现在找基因的文章真的是，多如牛毛，一通分析下来能找到十几个几十个值得研究的基因，虽然很有可能被文章的作者（的团队）接着研究的可能性，不过，嗯，大概一半都会从师兄师姐和老手那里拿到工作（基因）吧。
get了具体基因之后，你可以：
1.去blast（求助ncbi吧）
NCBI上库比较基础，但是很方便。嗯，不过，做植物的也就那么几个发布的基因组，也可以下下来本地blast
但是这里如果直接用整条序列去blast的话，大概其实，也找不全，对，因为基因上并不是（大概率不是）每一个氨基酸都存在用武之地，事实上发挥主要作用的可能只是某个或者某些区域（大约每一个碱基都有作用吧23333只是人类还没有把它们完全破译出来而已）
嗯，从这一点来讲的话，我们就应该用这些“某些区域”来找这个基因的兄弟姐妹，事实上基因家族也是这么定义的——拥有相似保守结构域的一类基因。
BLAST需要的是【已知的序列】

TBtools的BLAST界面是这样的（联网blast，其实跟ncbi差不多所以没啥必要）
本地blast请选择blast+并使用命令行进行（还要建库，贼麻烦）
不过本地的好处就是，库里没有的也能blast，毕竟物种那么多，指不定CNBI上就没有
咳咳，扯回来，那么要怎么blast出我们需要的家族基因呢？
看文献里有莫得提过这个基因家族再拟南芥里有什么存在→找到这个家族在拟南芥里的基因，去blast你的物种，找到相似度（蛋白质）25%+（核酸）70%+的序列，大概就是了√
如果你是研究拟南芥的emmmmmmmmmmm自求多福吧，它太快了（各种意义上）
或者，我们可以——
2.HMMER
这是一个用解构寻找家族基因的办法，原理和算法比较复杂
大概解释一下就是：把所有物种的某一个功能区域放在一起，构建一个模型（它很高大上，叫“隐马尔尼科夫模型”），把这个集合体模型当作“确实的功能区域”，去寻找序列中含有这个功能区域的所有基因
事实上这个“模型”就是排列较为相似的一些序列，你说多相似才会识别为“相似”？
去问算法吧。
HMMER这个软件跟BLAST+一样，是免费下载的，要用命令行建库（也就是构建隐马尔尼科夫模型）
如果想这么干的话，从Pfam那里找到你需要的一个包含了所有序列的一个，文件，然后
TBtools里存在着HMM工具
需要的材料是【物种的蛋白质序列.fa】【所有Pfam的隐马模型.hmm】（可以在官网下到）【你这个基因包含的功能区域的Pfam号】这个可以去ncbi上看，或者该物种的专门网站看

完了点击开始，就好了，你将得到一个.txt

顺便一提，记得经常清理路径，因为TBtools会产生很多过程文件

大概一次HMM会产生仨的样子，可以的话，真的，嗯，希望能加一个运行完了把过程文件删了的功能orz

完了之后我们把得到的序列的名字整理一下
导进Excel


这里记得选空格分行，因为它输出的模式用的是空格，可以把仅含名称的一列数据分开来

把没用的行删掉
---
因为这个HMM结果输出的模式是“找到的基因”→“它们的得分”→“下一个Pfam筛出的基因”→“它们的得分”→……这样的顺序
所以其实每个Pfam筛出的基因是重复两次的，粘贴的时候请注意

因为孩子这个基因家族的特点是拥有两个结构域，所以筛选了重复值
大概更多个的话道理一样吧，无非就是粘贴的时候比较麻烦？

删除重复值的意义：因为有的基因会存在很多个转录的模式（极个别的差别，总体上问题不大所以只留一个，因为它是一个基因的不同转录本）
这里记得把这些.1啊01啊啥的保留下来，否则你之后会fetch不到序列
因为算法很蠢，只能识别完全一样的名称x

完了之后我们就可以去根据这些名称找完整序列了

这里用到的是Fasta Extract功能
需要准备之前那个【物种的蛋白序列.fa]】
【输出文件路径】（别忘了自己编个名字）
刚才选出来的基因的名字
记得名字一定要对上，要不就会，出现空文件

得到了这些fasta格式的序列之后
我们还需要把名字精简一下
至于为啥……
除了之前提到的转录版本的问题，还有就是
有的不贴心基因组的名字真的，很长
你家写个名字要把整个户口本都写上啊nmd！！！

TBtools提供的simplify功能

意思大概就是“从X开始删”
比方说我们的名字都以空格结束，就打一个空格，当然，如果是-或者_分割的话，把对应代码敲进去就行了

但是想把.1删掉的话就需要先删.1后面的东西，再把.1删掉
总而言之不能直接输入.1，会报错

然后我们把所得的simplified文件给合并一下（因为要构建树，一个个拖进去太烦了

内啥，我真的不是故意截钟师傅的orz
这里可以使用批处理工具
【txt合并批处理工具做成！】
新建一个.txt→输入【type *.txt>>all.txt】（这里all可以改成你想要的输出文件名字）→保存→把.txt改成.bat→确认
这个它的意思是“把【这个目录下】的所有.txt都合并到一个文件夹里
所以建议为要合并的.txt新建一个文件夹23333，否则会合进去奇怪的东西

咳咳

然后我们去构建进化树
下载一个MEGA（免费的），孩子这个是MEGA X，各个版本界面不太一样，不过我们大概也，用不到那么多

新建一个Alignment，选protein（因为是蛋白质序列辣）
然后把.all拖进去——是不可能的
会报错

.fa不会，所以改一下后缀大概就……没问题
然后我们得到一个大序列图

把它们对齐一下
全选（Ctrl+A）虽然不全选也会提示你全选的

然后等他跑完

存一下

然后来找一下最优模型

参数默认即可
然后……就，慢慢等吧
孩子回去睡觉了

CPU满载hhhhhh
想起了之前渲染视频的时候（心情简单

WDNMD直接等了半夜（再也不熬夜了）
在煮了一锅面吃完了打了好几把原神之后，它终于跑完了
因为当时处在半梦半醒的状态所以其实也不记得具体是几点了
咳咳，总之，在这么多模型里这个是最好的，理论上得分越低越好，但是有可能会出现组合模型最低的……

问就是MEGA不能几个模型一起用
然后我们开始建树
选用邻接法
建树有最大似然法合邻接法两种，区别就是算法不一样，大概就是慢但是可信度高以及快但是可信度低的区别吧
我们选的是快的那一个x
模型选刚才找出来的最优

然后，大概几分钟（或者十几分钟）过去了
建好了
（nm检验两小时，建树5分钟）

也可以戳戳戳让它变得更好看一点

然后保存成.nwk格式


这是一个树文件，后续可以用它来跟各种别的图进行交互
请注意的是，名字要完全一致才对应的上（）
嗯，智障算法是这样的

然后我们可以美化一下这个进化树
需要之前的.nwk

美化树的网站有很多，这里推荐一个颜值过得去的
其实数据丰富的话怎么都会很好看orz

上载你的,nwk或者直接复制进去也可
插一句，TBtolls虽然也能，但是，毕竟这种比较专业吧23333
术业有专攻.jpg 也挺方便

然后就是各种选项
考验审美的时候到了
功能很多，不知道怎么用就多戳几下咯