Genscan指南

Genscan指南

GenScan是一个gene识别软件，主要是通过已知生物的基因结构特征来识别新的基因（parse）。所利用的基因特征请参看readme文件。

特点：

1. 只考虑编码蛋白的基因。
2. 模型考虑每个sequence可能有0个，1个，多个，甚至双链都有基因。
3. 假设transcription units没有overlapping。

Input:

基因组序列

Output:

1. 文本文件：识别出来的外显子基因，翻译后的蛋白质序列。
2. 图形文件：展示预测外显子的位置

---

1. 安装

安装要求：

N kilobases的序列需要 N/2 Megabytes of RAM

获取软件

Genscan对学术用户免费，需要在这里提交你的姓名和地址后下载Intel/Linux distribution。此时还可以看到readme文件

下载到的文件是genscanlinux.tar.uue

安装步骤

建立安装目录

mkdir GENSCANS
cd GENSCANS
mv 下载目录/genscanlinux.tar.uue ./

解压缩

sudo apt-get install sharutils
uudecode genscanlinux.tar.uue 
tar -xvf genscanlinux.tar
./
./Arabidopsis.smat
./HUMRASH
./HUMRASH.sample
./HumanIso.smat
./Maize.smat
./README
./HUMRASH.ps
./genscan

确保你的权限

chmod a+x genscan
chmod a+r *.smat

把genscan和配置文件（*.smat）安装到你的环境变量中

mv genscan /usr/bin/genscan
mkdir /usr/lib/GENSCAN
mv *.smat /usr/lib/GENSCAN

尝试运行

genscan

usage: genscan parfname seqfname [-v] [-cds] [-subopt cutoff] [-ps psfname scale]

       parfname : full pathname of parameter file
                  (for appropriate organism)

       seqfname : full pathname of sequence file
                  (FastA or minimal GenBank format)

       -v       : verbose output (extra explanatory info)

       -cds     : print predicted coding sequences (nucleic acid)

       -subopt  : display suboptimal exons with P > cutoff (optional)
       cutoff   : suboptimal exon probability cutoff (minimum: 0.01)

       -ps      : create Postscript output (optional)
       psfname  : filename for PostScript output
       scale    : scale for PostScript output (bp per line)

以上文件出现则安装成功

---

2. 运行程序

参数文件

参数文件中包含了基因组中基因序列的各种特征，不同物种有所区别。目前可用的物种参数文件，包括：

HumanIso.smat-----------------human/vertebrate sequences (also Drosophila)（脊椎动物）
Arabidopsis.smat---------------Arabidopsis thaliana sequences（双子叶植物）
Maize.smat----------------------Zea mays sequences（单子叶植物）

使用时请于物种相对应，否则效果很差

序列文件

fasta文件即可（还支持minimal GenBank文件）
运行程序（双子叶植物为例）

genscan /usr/lib/GENSCAN/Arabidopsis.smat 我的序列.fasta -ps 图片output名称.ps > 文字output名称.txt

---

3. 结果

1. 文本文件：识别出来的外显子基因，翻译后的蛋白质序列。
   例子

GENSCAN 1.0	Date run: 12-Mar-98	Time: 10:28:00

Sequence HUMRASH : 6453 bp : 68.19% C+G : Isochore 4 (57 - 100 C+G%)

Parameter matrix: HumanIso.smat

Predicted genes/exons:

Gn.Ex Type S .Begin ...End .Len Fr Ph I/Ac Do/T CodRg P.... Tscr..
----- ---- - ------ ------ ---- -- -- ---- ---- ----- ----- ------

 1.01 Init +   1664   1774  111  1  0   94   83   212 0.997  21.33
 1.02 Intr +   2042   2220  179  1  2  104   66   408 0.997  40.12
 1.03 Intr +   2374   2533  160  1  1   89   94   302 0.999  32.08
 1.04 Term +   3231   3350  120  2  0  115   48   202 0.961  18.31

Predicted peptide sequence(s):


>HUMRASH|GENSCAN_predicted_peptide_1|189_aa
MTEYKLVVVGAGGVGKSALTIQLIQNHFVDEYDPTIEDSYRKQVVIDGETCLLDILDTAG
QEEYSAMRDQYMRTGEGFLCVFAINNTKSFEDIHQYREQIKRVKDSDDVPMVLVGNKCDL
AARTVESRQAQDLARSYGIPYIETSAKTRQGVEDAFYTLVREIRQHKLRKLNPPDESGPG
CMSCKCVLS

2. 图形文件：展示预测外显子的位置