Easyfig-genbank文件注释信息的修改或添加

看不见的线
1051
2023-11-23 14:05:17
原创

很多时候，由于基因预测或注释的问题，我们不得不修改或添加genbank文件的部分注释信息（Annotation）。总的来说，主要可以分为以下的三种情况：基因/CDS注释有误、基因/CDS预测有误、基因/CDS预测结果有缺漏。前两种情况按正常的方式直接修改即可，但第三种情况由于需要额外添加内容，我们就要注意不能影响genbank文件本身的格式，否则可能对genbank的使用造成影响。

第一种情况：基因/CDS的注释有误

如图1和2，假设图中的基因不是repA而是repB，我们可以直接将“repA”修改为“repB”，其它内容不做变更。

第二种情况：基因/CDS预测位置有误

如图3和4，假设repA基因在序列中的实际位置不是496～1524 bp，而是1000～2000 bp，我们可以直接在genbank文件中将“496..1524”修改为“1000..2000”，同时对蛋白序列（translation）进行相应的替换（对于easyfig而言是否替换蛋白序列无所谓）。

第三种情况：基因/CDS预测结果有缺漏

如图5，假设orf00042和orf00043之间还存在一个基因未被注释出来（2000～2200 bp）。我们可以自己添加这个基因的注释结果，常规的方法就是拷贝一个其它基因的注释信息，并修改相应的内容，包括位置信息、gene名称、蛋白序列等等（对于easyfig而言只有位置信息和gene名称是必须的，其它无所谓）。不过需要注意2点，第一点是序列有方向，所以应该确定是否需要添加“complement”；第二点是拷贝的其它基因的注释信息必须完整，所谓完整便是如图5阴影部分的状态，不能漏掉左边gene和CDS部分的任何一个空格，否则便会使得genbank文件的注释部分出错（在easyfig中这种错误可能会导致该基因及后续的基因无法正常显示）。

这么做的原因主要是因为我们用Enter新增一行时，左侧gene/CDS附近的空白处默认为Tab符，而不是genbank正常应该用到的空格符。如图6所示我在orf00042和orf00043之间添加了一个基因的注释结果，假设这个基因为IS26。正确和错误的添加方式在Notepad++软件下直接看到的都是类似的情况，但如果我们在Notepad++上方菜单栏选择“显示所有字符”，就会发现看到正常情况下左侧gene/CDS附近为一个个点，代表空格（图7），而错误添加如图8所示，在新增行的相应位置直接输入文本，可以看到左侧gene/CDS附近为箭头符号，代表Tab符。这种错误通过记事本打开genbank文件，找到添加的位置，也可以明显地看到问题。

此外，我们不增加新的gene/CDS，而是在原有基因注释信息的基础上添加一项新的内容，也会遇到这样的情况，比如我们要对orf00042基因进行颜色的注释，就可以在translation注释末尾回车后拷贝一整行类似的注释信息，比如/gene=“orf00042”及其前方的所有空格，然后进行修改，若是我们直接输入，也是犯了同样的错误（参见图9和图10）。