最近需要根据注释文件在基因组上截取序列,突然想到一个问题:对于下面这样在负链上的基因,我们是先将整条染色体反向互补再截取对应区间?还是先截取对应区间再反向互补呢?
首先亮出答案:先截取区间,再反向互补。比如上面的ALK基因,先截取chr2上的29415640-30144452区间,再反向互补即得到ALK基因的碱基序列。
验证过程:
方法一:bedtools工具包可以根据bed文件提取区间序列,这里以上面的ALK基因为例试一下:
1.首先创建一个bed文件命名为AKL.bed,其中文件第6列可以指定正负链
2.然后运行bedtools,得到ALK.fa序列文件,注意要添加-s选项
bedtools getfasta -fi ucsc.hg19.fasta -bed ALK.bed -s -fo ALK.fa
3.比较NCBI上给出的ALK序列和bedtools的运行结果,发现两者一致,说明bedtools工具截取负链上的基因准确,如果不想深究是哪种截取方法,后面直接用这个工具即可