寫在前面

通常我們碰到的是，根據(jù)gff文件提取cDNA序列，這個(gè)比較容易滿足，但是有時(shí)候我們需要構(gòu)建native promoter 載體的時(shí)候，就需要提取cDNA前面的序列，真核生物大約是3k，原核大約是0.5k。這個(gè)時(shí)候就需要稍微繞一下彎，但是思路還是基本一致的。

1.準(zhǔn)備的東西

工具：samtools,bedtools,bedops，都可以通過conda一鍵安裝。

序列文件：基因組文件fasta，注釋文件gff。

2.提取

2.1 提取gff文件的所有基因位置,并轉(zhuǎn)換成bed格式

awk '{if($3~/^gene$/)print}' file.gff > genes.gff
gff2bed <genes.gff> genes.bed

2.2 計(jì)算染色體長(zhǎng)度

samtools faidx file.fasta
cut -f 1,2 file.fa.fai > sizes.chr

2.3 創(chuàng)建包含promoter位置的bed文件

bedtools flank -i genes.bed -g sizes.chr -l 3000 -r 0 -s > promoters.bed
# -l 基因起始位置前多少bp
# -r 基因后多少bp
# -s 

2.4 根據(jù)promoter的位置信息，在基因組序列中抓取promoter的序列

bedtools getfasta -s -fi file.fa -bed promoters.bed -fo promoters.fa -name