数据挖掘—使用seqkit验证SSR位点引物

数据挖掘—使用seqkit验证SSR位点引物

• SSR（简单重复序列）‌ 是基因组中由1–6个碱基组成的串联重复序列，也称为‌微卫星DNA‌，具有多态性高、共显性遗传等特点，广泛应用于‌遗传多样性分析、品种鉴定、分子标记辅助育种‌等领域
• SSR区域特点是高度重复；高度变异；很少被单独提交到数据库，故文献中很多SSR位点引物在NCBI查不到对应的模版序列，这是正常的
• 在选用文献中的SSR引物时候，不应纠结是否能在数据库检索到，而应该以实验结果为导向
• 如果实在要验证可以下载目标物种的基因组，使用seqkit进行验证，本次以紫苏基因组为例

1.紫苏基因组序列获取

• NCBI中检索紫苏基因组“Perilla frutescens”或“Perilla frutescens (taxid:48386)”中的taxid，优先选取GCF 开头的序列，下载 Genome sequences (FASTA)文件

• 基因组的文件还是相对较大的，尽管紫苏的基因组研究较少，没有完全组装好的，也有300来M，解压后，就是我们后续分析需要用到的文件

2.SSR位点引物验证

• 引物参考“Identifying SSR markers associated with seed characteristics in Perilla (Perilla frutescens L.)”，

• 以“KNUPF1”位点为例

fw:CTTGCAGCTGATCATTAAGCTA
rv:TTTCTTGTGTGCTCTAACAACG

• 使用seqkit进行验证：即这上下游引物都是可以在基因组上检索到的，上游引物在正义链上，下游引物在反义链上。其中下游引物，虽然文献上标注的是（3‘-5'），但是检验出的应该还是（5'-3'）的方向，即文献中的上下游引物可以直接使用，下游引物无需在反向互补处理

#conda install seqkit
seqkit locate -i -p CTTGCAGCTGATCATTAAGCTA GCA_026008535.1_Pfru_yukari_1.0_genomic.fna
seqkit locate -i -p TTTCTTGTGTGCTCTAACAACG GCA_026008535.1_Pfru_yukari_1.0_genomic.fna

• 提取模版序列

seqkit subseq \
  --chr BRKX01000014.1 \
  -r 31850062:31850221 \
  GCA_026008535.1_Pfru_yukari_1.0_genomic.fna \
  -w 0

• 查了下中间的序列，≈ (AG)11–12，与文献是高度一致的