如何写一篇家族分析文章（一）—家族分析文章的研读

首先，我们要先确定一下哪一类家族分析文章可以发高分，或者这类高分文章都有哪些套路，下面我们通过文献查询工具google学术搜索镜像，以gene family为关键字，进行搜索：

结果显示，共2019年就有927片家族分析的文章新鲜出炉!

今天我们先解读一篇发表在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家族简介

首先，让我们先认识一下Dof转录因子家族。Dof转录因子具有一个Dof结构域，可以与DNA结合，对植物的生长发育中扮演重要的角色，而且对各种胁迫均有响应。在此家族中，Dof结构与高度保守，经常定位于氮端，由大约52个氨基酸构成，有一个C2C2锌指结构域。对于特异性结合具有保守目标DNA的5′-T/AAAAG-3′ 核心序列以及与其他蛋白质，例如OBF（ocs元件结合因子）和TCP14(TCP转录因子14)相互作用来说，Dof在其中的作用非常重要。Dof蛋白液有一个二分核定位信号（NLS）与Dof结构域部分重叠，且在C端有一个转录激活结构域。

与N-端相比，Dof蛋白的C-端区域是高变的。自从第一个Dof蛋白从玉米中分离出来，它的同源类似物也接连从其他植物中分离。与在大部分藻类中的Dof蛋白成员相比，Dof家族蛋白在陆生植物中表现出来较高的分布广泛性.例如，拟南芥中发现了36个此家族成员，水稻中30个，白杨41个，白菜中76个。基于进化分析，Dof蛋白被分为四个亚家族（A，B,C,D），且B,C,D亚家族能够进一步分为一些groups。相比较而言，对木薯中此家族的研究知之甚少！

2.实验方法及结果展示

介绍完这个家族，那么我们就正式看一下这篇文章都做了哪些内容吧！

2.1数据和序列准备

首先，作者分别下载了水稻(RGAP7网站http://rice.plantbiology.msu.edu/)中30个和拟南芥（TAIR10网站http://www.arabidopsis.org/）中36个Dof基因（根据前人文献）。然后将结果存到这样的附表中。

下载木薯基因组数据（Phytozome v12 (https://phytozome.jgi.doe.gov/pz/portal.html)，cassava AM560–2），其他的数据，例如核酸序列，ESTs序列以及RNA-seq数据均下载字NCBI。

2.2Dof家族基因的鉴定及人工校正

Dof结构域的pfam号为PF02701，从Pfam上获得（http://pfam.sanger.ac.uk/），然后用HMMER3.0和TBLASTN进行搜索。E-value值小于1e-5的正向基因组序列在GeneMark.hmm（http://exon.biology.gatech.edu/GeneMark/）上进行验证。

基因模型稍后进一步用cDNAs，ESTs和RNA-seq reads进行校正确认。Dof结构与是否出现，用SMART来验证。

然后鉴定出来的结果，以表格的形式展示：

用BLASTN搜索之前报道的核酸或ESTs同源类似物。之前的RAN-seq数据也用于表达注释，用MCScanX软件获得线性关系和WGD重复事件（定位在重复染色体上且在线性block中出现的重复基因）。当两个基因在基因组中是连续的，考虑是串联重复。

染色体定位以及线性关系，重复事件以下图形式表现：

Ks和Ka用codeml和PAML软件包计算。此外，BRH方法用于鉴定不同物种间的同源基因。

Ka/Ks的结果以如下形式呈现：

2.3 序列比对和进化分析

用MUSTCLE对鉴定的Dof蛋白序列进行多序列比对，然后用MEGA6.0构建进化树，其中选用最大似然法（ML），用bootstrap方法重复1000次，用JTT替代模型，用Boxshade(http://www.ch.embnet.org/software/BOX_form.html)软件对比对后的Dof结构与进行可视化。

MeDof基因的系统命名根据其在染色体上的位置来进行，通过CDS序列和基因序列用GSDS对其基因结构进行分析。

多序列比对的结果：

进化树及分类的图：

结合进化树做了一个柱形图：

2.4蛋白特性及保守的motif的分析

理论分子质量（MW），等电点（PI），和亲水性平均值（GRAVY）用ProtParam(http://web.expasy.org/protparam/)计算。

亚细胞定位用CELLO（http://cello.life.nctu.edu.tw/）预测。

亚细胞定位结果图：

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

其中，最优参数如下：最大motif数为25；最大位点为2；每个motif的最优宽度为6到100个残基。

MAST程序 (http://meme-suite.org/tools/mast）也用来在蛋白库中搜索鉴定的motifs。

基因结构图与motif图的结合结果展示：

记得motif的基本信息列出来：

记得

2.5基因表达分析

不同组织的全部基因的表达模式是基于RNA-seq样品(GEO接收号为GSE82279)。包括顶端分生组织（SAM），侧芽，叶，中脉，叶柄，茎，纤维根，贮藏根，根顶端分生组织（RAM），脆性胚性愈伤组织（FEC）和体细胞组织胚性发育结构（OES）。使用Bowtie 2将过滤的读数定位到Dof和其他蛋白质编码基因的编码序列（CDS），基因表达水平表示为FPKM。除非特定声明，否则本研究中使用的工具是使用默认参数执行的。

不同组织表达量的热图：

大概，我们了解了这篇文章的基本结构，那么接下来我们就这篇文章对草莓中Dof基因家族进行分析吧！

后面，会分解步骤以及各个软件如何应用，敬请期待