半个月前，我推了一个《任何人都能掌握-基因家族分析》的腾讯课程（原本事实是开给课题组）。在热身课程（完全免费）中，将我个人对基因家族分析的认知和其意义均做了说明，感兴趣的可见 https://ke.qq.com/course/338062?tuin=72ed3eb
其中涉及到一点，即是，基因家族分析中一个常常被忽略甚至忽视的，对科研可能有所贡献的步骤（可能很多培训公司并不会涉及），那就是 矫正基因结构注释 。
基因组，尤其是植物基因组，从测序，到组装，到注释，每一个都不简单。甚至存在一种说法， 一篇基因组文章，一个组装算法 。而事实上，注释也是类似的。即使是拟南芥或者水稻这两个模式生物，都不能保证所有基因的结构都被注释出来。更何况刚发表的基因组？
在基因家族分析讲演中，有这么一个图
在半个月前的讲演中，其实也已经讲过了，用在线网页工具softberry就可以了，以上图的 Aco005453.1为例，基于motif pattern和domain info，可以明显地看出来，其缺少的是5端，GRAS结构域也被截断了（ 注意，这个在几乎所有物种的基因组结构注释文件都会出现，因为软件永远不可能保证绝对的准确，至少目前这个事情上是的 ，而菠萝基因组已经做得很优秀了。）
1.首先，获得这个基因的位置信息
使用TBtools的gff3 gene info工具
恩。。。我又试了几个基因，基本无解。或者是正好基因与上下游有overlap，或者是基因结构预测后并没有太大的改善。不过似乎也OK，毕竟我们大概可以知道其中两个基因并不真实。
如果要证明他们是否真实， 可能还是需要RNAseq数据辅助，或者事实上，需要race实验 。得到序列之后，再按照上述操作，用TBtools重构gff3即可。
嗯，意料之外，情理之中。
据我个人了解，菠萝基因组应也是经过了基因结构注释的人工矫正。所以从某个角度来说，大部分基因结构应是正确。可能单纯从文本预测上，确实无法改善结构注释信息。而只能发现一些确实有问题的序列。对于这些序列，或者是事实并不存在的假基因，或者是需要race实验做进一步获取。
无论哪一种途径，得到序列之后可以直接用TBtools重构gff3信息，并修改原始gff3文件。做进一步分析。