注释通路；────────────→
3）T、X1、X2、X3、X4、X5、X6联合分析，提供以下分析数据及展示图 （1）T、X1、X2、X3、X4、X5、X6在代谢通路间的时序差异（时序X1—X2—X3
—X4—X5—X6—T）；
（2）Ecrel、Pprel、GErel差异表达基因互作网络（针对单个pathway的互作图6张）。 10．预测编码蛋白框（CDS，ESTScan预测）
Blat或Blast，NCBI的NR库比对。除常规程序性分析外，提供以下分析数据及展示图： 1）基于数据库序列比对的多肽段编码基因预测，提供图和数据； 2）TmHMM 预测蛋白跨膜区； 3）SignalP预测蛋白信号肽； 4）unigene比对pfam
4）T数据库全部转录组基因的编码蛋白预测及其总数量W；
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Pfam数据库分析蛋白结构域； 5）转录组编码蛋白预测结果（转录组几乎都可预测出编码蛋白。但我们需要一张由“转录组→预测出编码蛋白”的数据和图。肯定能做），提供相关的图和表；
6）建立并提供转录数据蛋白质翻译库X1d、X2d、X3d、X4d、X5d、X6d、Td（提供转录组编码蛋白序列预测结果，为蛋白质质谱数据鉴定、相关分析提供基础）； 7）T、X1、X2、X3、X4、X5、X6分别分析
（1）X1、X2、X3、X4、X5、X6各自的编码蛋白预测数量W1-W6及变化趋势；
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
（2）T数据库编码蛋白预测总数W与W1-W6数量间的差异（图例如图2）；
●
8）转录组基因预测的编码蛋白功能组分类，提供分析数据及展示图
（1）T数据库全部基因预测的编码蛋白的功能分类，提供图和数据（类似于图1）； （2）X1、X2、X3、X4、X5、X6各自所预测的编码蛋白功能群及蛋白数量，提供提
供图和数据。
9）cDNA文库数据转换与分析，提供分析数据及图 （在“蛋白质组定量、定性分析”中要鉴定蛋白质，最近才发掘出鉴定蛋白质最佳、最快、最简单的方法就是：将蛋白质质谱数据直接转换为氨基酸序列数据，再与mRNA序列转换的氨基酸序
12
便于--蛋白质组数据进行整合分析 数据库：PATHER, PDB，Coils, SMART, PIRSF, TIGRFAM, SUPERFAM, Gene3D, Pfam, ProSiteProfiles, SCOP, ProSitePattern ●
●
●
●
●
●
●
列数据进行直接比对，鉴定率几乎达100%，国内仅有2个公司用这种方法。虽然在这里可能多花费点时间，但进行蛋白质组分析时就很简单了）
? X1、X2、X3、X4、X5、X6及T基因数据库转换为氨基酸序列/蛋白质数据库（为iTRAQ蛋白质鉴定提供数据库，为iTRAQ蛋白质分析提供可靠基础，下同） ? 常规cDNA文库数据分析
? CDS区域蛋白质结构域分析（与数据库比对结果） ? T数据库蛋白家族的功能蛋白类分析，提供图及数据；
? X1、X2、X3、X4、X5、X6各自蛋白家族的功能蛋白类KOG分析，提供图及数据； ? T、X1、X2、X3、X4、X5、X6蛋白家族中功能蛋白类间的KOG差异分析；
11. 转录组关联网络分析（上述“10--转录数据蛋白质翻译库”+转录因子==相结合能够确定其网络关系。
参考：http://www.gene-cloud.com.cn/photoshow.asp?pageclass=1020302&id=101。尽量做，还要有精度。下面各图来源见http://www.gene-cloud.com.cn/photoshow.asp?pageclass=1020302&id=101），提
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●●●●●●
供分析数据及展示图
（1）protein/mRNA 关联网络
（2）TF-gene-Network调控网络分析──────→?（3）信号传递网络
? Signal-Net分析 ↓
? 信号转导通路的显著性分析——Pathway- Analysis
? Path-Net分析（根据KEGG数据库中的Pathway间的相互作用关系，构建显著性Pathway间的作用
网络，从系统的角度研究各个信号通路间的信号传导和调控过程，利用图论的方法可以分析确定
13
网络中的核心Pathway）
（4）构建基因的调控网络——GeneRelNet
12．特显著差异基因功能推断 （对于在差异基因分析中发现的特别突出的3-5条基因进行分析）
（1）X1、X2、X3、X4、X5、X6各发育阶段特显著差异基因界定 （2）X1、X2、X3、X4、X5、X6各发育阶段特显著差异基因功能推断
●
●
●
●
●
●
●
●
●
●
●
●
13．miR2Disease发掘 （昆虫也生病，做本项目就是要得出该虫长寿或抗病的原因，转录组中是否存在
miR2Disease，能发掘出来多少就是多少——我们之前就是利用人和其他动物基因数据库，从完成的2G的转录组数据库中，发掘出了这个昆虫的长寿基因。或利用结合人的数据库去发掘）
（1）利用疾病相关miRNA的数据库，自T数据库中发掘miR2Disease
●
（2）如果从T● 数据库中发掘出了miR2Disease，进行miR2Disease在X1●、X2●、X3●、X4●、
X5、X6各节点中的分布分析
14．同源基因（两条基因序列相似性达80%，基于序列相似性计算的方法）
15．同源异型基因发掘HoxA,HoxB,HoxC,HoxD的发掘（HOX Pro同源异型盒(homeobox)基因数据库，
●
●
14
http://spirov.iephb.nw.ru/hox_pro/hox-pro00.html）
15
相关推荐：
loading