前车之鉴!基因家族分析、功能研究,一步之差,努力白费!

文摘   科技   2024-12-03 21:52   海南  

写在前面

不知为何,几乎每天我都会收到一些「基因家族分析」的论文审稿邀请,其中质量参差不齐,但有不少论文作者团队非常友好,总是留下一个非常好提问机会。那就是「基因家族成员序列有问题」这意味着,得重做。对于一个以「基因家族分析」为主题的工作来说,往往相关表格和图片都得重新来。如果不小心,用了错误的基因序列做功能验证,那更是白费一年时间。
当然,对于审稿人不小心的情况,也比比皆是。简单通过 google scholar 搜索,可以很快找到一大堆已发表的论文,从主图来看,有经验的审稿人一眼就看出问题。这个错误的责任,20%归结于发布基因组的人,更有80%归结于进行基因家族鉴定工作的人。后者,我觉得还是要精细一些。

几个示例

上图由于串联重复基因被注释成一个,从 motifs pattern 就可以看出来问题。图片得重做,表格得更新! 

上图由于注释错误,应该是将近端的基因注释成UTR,图片得重做,表格得更新!

上图将近邻的基因直接注释成ORF,所以导致超长CDS。图片得重做,表格得更新!

如上,超长UTR

串联重复或者近邻基因被注释进来的。

上图将近邻的基因直接注释成ORF,所以导致超长CDS。图片得重做,表格得更新! 

明显缺胳膊少腿,注释问题。

处理问题

对于这类基因结构注释错误,如何处理?我记得 5 年前,类似情况发文占比可能更高的一些。我一直在提议也强调这个问题值得重视:

  1. 对于做基因组的朋友来说,高质量的序列要高质量的注释才是高质量的参考;

  2. 对于做基因功能研究的朋友来说,错误的注释可能会直接让数年努力白费;

  3. 对于做基因家族分析的朋友来说,还是要精细一点,做一点可能的贡献。

这五年来,为了应对这一问题,我大体分成三个阶段给出解决办法:

  1. 开发了 TBtools 的 Re-construct GXF ,这一功能可以基于用户输入的转录本序列和参考基因组序列,自动生成一个借用的GXF,我相信我提出来的时候,应该没啥人去注意这个事情,至少没有人让这个事情变得如此简单。当然,我必须说明,北大高歌老师的GSDSv2网站内部应是有做一些处理完成这个工作。有了这个功能,用户完全可以基于区间预测CDS或者EXON结构,得到序列后重构。稍显麻烦,后期利用GXF也比较麻烦;

  2. 开发了 IGV-GSAme (Gene Structure Annotation Manual Editor),基于IGV源码重度开发的版本,这一版本事实上是基于前述我写的 IGV-sRNA。使用这一版本,用户可以直接对 IGV 的 GXF Track 进行基因结构注释调整。说实话,这个修改直接让我不想再看到 IGV-sRNA 和 IGV-GSAme,因为修改后感觉已经把 IGV 改得乱七八糟。用起来完全没什么,但是真的很奇怪,我总觉得哪里会出问题,同时改造结果不在我的控制范围内。

  3. 开发了 IGV-GSAman(Gene Structure Annotation Manipulator),同样是基于 IGV 源码改造,不过这次的改造我很满意。这个改造其实是基于第二次 IGV-sRNA 来写的(IGV-sRNA也是重新开发,只是觉得没必要增加一个v2,我觉得前后没啥区别,实现逻辑有很大优化,仅此而已)。GSAman 不同,他跟 GSAme 完全是不同的东西。自然,本身GSAman其实....是一个简单的功能或者特性开发尝试,我只是想试试能不能在 IGV 里面加一个自定义的 Track,但是没想到真干成了.....

于是现在有了 IGV-GSAman,他可以帮助几乎所有人解决「基因结构注释偏差」的问题。

更多特性,推荐大伙参考 GSAman Cookbook。说实话,真的很强!

欢迎了解基因结构注释人工矫正软件 GSAman,目前软件未发表,处于内测阶段,有需要可以参考文档操作,进内测群获取下载链接,《GSAman Cookbook》: https://www.yuque.com/cjchen/ra7ghy

写在最后

我从未做过一个基因家族分析的论文,但可能我审过基因分析论文有太多。我仍然不太希望有朋友因为这类简单的偏差,导致半年一年的东西要从头再来。对于基因功能研究的朋友,更是如此。
如果我们从一开始就做对,那或许路子就没那么坎坷~

生信石头
记录和分享生信学习经验和数据处理技巧
 最新文章