如何获取目标基因的转录因子（上）
——Biomart下载基因和motif位置信息
科研过程中我们经常会使用Ensembl（http://asia.ensembl.org/index.html） 网站来获取物种的参考基因组，其中BioMart工具可以获取物种的基因注释信息，以及跨数据库的ID匹配和注释等。
在参考基因组和基因注释文件一文中有详细介绍如何在Ensembel数据库中获取参考基因组和基因注释文件。（点击蓝字即可阅读）
生信分析中，想要找到感兴趣基因的转录因子结合位点，该怎么做呢？
首先需要准备以下3个文件，后面两个文件可以在ensembl网站中下载：
bed格式文件提供了一种灵活的方式来定义数据行，以此描述基因注释的信息。BED行有3个必须的列和9个可选的列。 每行的数据格式要求一致。
关于bed文件格式的介绍，在https://genome.ucsc.edu/FAQ/FAQformat.html#format1中有详细说明。
我们需要下载的 基因位置信息列表 是一个6列的bed文件，每列信息如下：
注：起始位置和终止位置以0为起点，前闭后开。
转录因子结合位点列表 是一个5列的bed文件，每列信息如下：
具体内容见后面示例，更方便理解。
1. 进入Ensembl主页后点击 BioMart
2. 使用下拉框- CHOOSE DATASET - 选择数据库，我们选则 Ensembl Genes 93 ；这时出现新的下拉框- CHOOSE DATASET - ，选择目的物种，以 Human gene GRCh38.p12 为例。如果自己实际操作，需要选择自己的数据常用的基因组版本。如果没有 历史 包袱，建议选择 GRCh38 最新版。
3. 选择数据库后，点击Filters对数据进行筛选，如果是对全基因组进行分析可不用筛选, 略过不填 。
4. 点击 Attributes ，在GENE处依次选择1-6列的内容，勾选顺序便是结果矩阵中每列的顺序。
5. 如上图中所示，点击 results 后跳转下载页面，中间展示了部分所选的数据矩阵，确定格式无误后点击 GO 即可下载。
6. 转录因子结合位点矩阵的下载 类似上面，不过在下拉框-CHOOSE DATASET- 选择数据库时，我们选则 Ensembl Regulation 93 ，再选择 Human Binding Motif (GRCh38.p12)
7. 在Attributes处选择需要的信息列，点击 Results 和 GO 进行数据下载
将上述下载的两个文件分别命名为 GRCh38.gene.bed 和 GRCh38.TFmotif_binding.bed ，在Shell中查看一下：
基因组中每个基因所在的染色体、位置和链的信息，以及对应的ENSG编号和Gene symbol。
第五列为人中的转录因子，每一行表示每个转录因子在基因组范围的结合位点分布，即其可能在哪些区域有结合motif。这些区域是与TF的结合motif矩阵相似性比较高的区域，被视为潜在结合位点。有程序 MEME-FIMO 或 Homer-Findmotifs.pl 可以完成对应的工作。
迈杰
2024-11-30 广告
