重复序列注释结果说明

结果简介

根据重复的序列在基因组上的分布，分为两大类：散在重复序列、串联重复序列。散在重复序列是与串联重复序列的组织形式不同 的另一类重复序列，是散在方式分布于基因组内的散在重复序列。串联重复序列（Tandem Repeat，TR），即相邻的、重复两次或多次特 定核酸序列模式的重复序列。 通过 RepeatMasker 软件进行散在重复序列预测，TRF 搜寻 DNA 序列中的串联重复序列。

串联重复序列(Tandem Repeat,TR),即相邻的、重复两次或多次特定核酸序列模式的重复序列,分为微卫星(MicroSatellites),1-6个碱基为一个重复单元的简单重复序列(simple sequence repeats),以及10-60个碱基的长序列为一个重复单元的小卫星重复序列(MiniSatellites)。串联重复单元具有种属组成特异性,可作为物种的遗传性状,做进化关系的研究。 散在重复序列主要是转座子序列(transposable elements, TEs)。按长度分为短分散重复序列(Short Interspersed Nuclear Elements,SINEs)以及长散在重复序列(Long Interspersed Nuclear Elements,LINEs),其中长散在重复序列常具有转座活性。

如无特殊说明，以下内容中的“*”代表目标物种的样品名。

目录结构

Repeat ├── *.final.assembly.fasta.out 【散在重复序列预测】 ├── *.final.assembly.fasta.out.gff【散在重复序列预测文件】 ├── *.final.assembly.fasta.tbl 【重复序列结果文件】 ├── *.Microsatellite.DNA.dat.gff【Microsatellite DNA 预测结果列表】 ├── *.Minisatellite.DNA.dat.gff【Microsatellite DNA 预测结果列表】 ├── *.repeatmask.xls 【重复序列统计表 】 ├── *.trf.dat.gff【串联重复序列预测结果列表】 └── *.trf.stat【串联重复序列统计表】

格式说明

*.final.assembly.fasta.out -散在重复序列预测

文本文件，可用写字板打开。与 *.final.assembly.fasta.out.gff相对应。

该文件包含了重复序列的详细信息，如每个序列的起始位置、终止位置、反向互补序列、重复序列的名称、家族和分类等信息。这个文件可以用于进一步的分析和注释。

*.final.assembly.fasta.tbl -重复序列结果文件

文本文件，可用写字板打开。与 *.final.assembly.fasta.xls 相对应。

将*.out中的内容，整理为标准gff文件的结构类型（-gff参数生成）。主要包含重复序列的位置、结构等信息。

*.Microsatellite.DNA.dat.gff-Microsatellite DNA 预测结果列表

GFF 文件，可用文本编辑器打开，或扩展名改为 xls 后用 excel 打开。

格式实例详细说明见【4 常用格式】中【4.1 GFF 格式】部分

*.Minisatellite.DNA.dat.gff-Microsatellite DNA 预测结果列表

用文本编辑器打开，或扩展名改为 xls 后用 excel 打开。

格式实例详细说明见【4 常用格式】中【4.1 GFF 格式】部分

*.repeatmask.xls -重复序列统计表

制表符分割的文本文档，使用 excel 打开。 与 *.final.assembly.fasta.tbl 相对应。

文件内容举例如下：

文件内容说明如下：

*.trf.stat - 串联重复序列统计表

制表符分割的文本文档，使用 excel 打开。 展示串联重复序列不同分类的拷贝数，长度等信息。

文件内容实例如下

文件内容说明如下：

*.trf.dat.gff - 串联重复序列预测结果列表 GFF 文件，

可用文本编辑器打开，或扩展名改为 xls 后用 excel 打开。

格式实例详细说明见【4 常用格式】中【4.1 GFF 格式】部分

常用格式

GFF 格式

GFF 格式是 Sanger 研究所定义，是一种简单的、方便的对于 DNA、RNA 以及蛋白质序列的特征进行描述的一种数据格式，比如序 列的哪里到哪里是基因，已经成为序列注释的通用格式，比如基因组的基因预测，许多软件都支持输入或者输出 GFF 格式。目前格式定 义的最新版本是版本 3。

GFF 格式举例如下：

文件格式说明见下表：