對(duì)于基因進(jìn)化樹(shù)的構(gòu)建，大家應(yīng)該都很苦惱吧。最近小云剛好需要構(gòu)建進(jìn)化樹(shù)，在經(jīng)過(guò)學(xué)習(xí)之后，也掌握了如何建樹(shù)。那么現(xiàn)在就讓小云來(lái)帶大家一步步從序列數(shù)據(jù)的下載，再到基因進(jìn)化樹(shù)的建立，詳細(xì)地手把手教學(xué)吧！

一、蛋白質(zhì)序列數(shù)據(jù)的下載

在這里我們將在NCBI數(shù)據(jù)庫(kù)中，搜尋Syp synaptophysin蛋白質(zhì)的fastq序列作為數(shù)據(jù)準(zhǔn)備。其中Synaptophysin（SYP）是一種神經(jīng)元內(nèi)高度保守的膜蛋白，它主要存在于突觸小泡膜上，并參與突觸傳遞和神經(jīng)遞質(zhì)釋放的過(guò)程。它被廣泛用作神經(jīng)末梢和神經(jīng)內(nèi)分泌腫瘤的免疫組化標(biāo)記物，可以用于幫助鑒定和分類這些腫瘤。因此，在病理學(xué)和臨床診斷中，鑒定SYP的表達(dá)水平可以提供有用的信息，對(duì)于診斷和治療策略的制定具有重要意義。 如圖所示，在選擇了Protein之后，我們?cè)贜CBI的搜索框中搜尋Syp synaptophysin的界面如下：

二、搜尋檢索的處理

因?yàn)樵谒褜さ倪^(guò)程中，搜尋的結(jié)果太多，為了能夠進(jìn)一步的篩查數(shù)據(jù)，我們可以在搜尋欄中增添邏輯運(yùn)算符，如NOT、OR、AND等。如圖所示，我們?yōu)榱诉M(jìn)一步地去除標(biāo)題中包含hypothetical的數(shù)據(jù)，將在檢索框中，輸入Syp synaptophysin NOT hypothetical[title] ，然后需要注意的是，我們?cè)诤竺嫘枰獋渥title]?

與此同時(shí)，我們也可以在Search details中復(fù)制搜索的結(jié)果并保存，在日后需要再次搜尋同樣的結(jié)果的時(shí)候，可以直接復(fù)制上去

與此同時(shí)，我們也可以在Search details中復(fù)制搜索的結(jié)果并保存，在日后需要再次搜尋同樣的結(jié)果的時(shí)候，可以直接復(fù)制上去

三、下載序列的處理

為了進(jìn)一步地使得后面構(gòu)建的進(jìn)化樹(shù)中，能夠很好地觀察到物種名，我們?cè)谶@里需要對(duì)>后面的id和物種名進(jìn)行處理，將id名替換成為物種名

所以在此我們將使用正則表達(dá)式進(jìn)行替換，如圖所示為替換的方式，其中的Find what中的字符為>([^ ]+).*\[(.*)\]

>([^ ]+).*\[(.*)\]的意思是：匹配以大于符號(hào)（>）開(kāi)頭，之后是一個(gè)或多個(gè)非空格字符的字符串，然后是一個(gè)方括號(hào)（[]）括起來(lái)的任意字符。 而當(dāng)使用\2時(shí)，它表示對(duì)第二個(gè)捕獲組的引用。這意味著，如果正則表達(dá)式中的模式匹配了一個(gè)字符串，并且第二個(gè)捕獲組捕獲了一些內(nèi)容，那么\2將被替換為該捕獲組中所捕獲的內(nèi)容。 例如，如果應(yīng)用正則表達(dá)式>([^ ]+).*\[(.*)\]于字符串>Hello [World]，那么\2將被替換為World，因?yàn)閃orld是第二個(gè)捕獲組所捕獲的內(nèi)容。 所得的結(jié)果如下：

好啦，對(duì)于已經(jīng)下載好的蛋白質(zhì)序列也處理了，我們接下來(lái)就可以進(jìn)行基因進(jìn)化樹(shù)的構(gòu)建了！