IT评测·应用市场-qidao123.com

标题: 比较基因组学流程 [打印本页]
作者: 冬雨财经    时间: 2024-8-1 21:36
标题: 比较基因组学流程
1、OrthoFinder 教程：用于比较基因组学的体系发育直系学推断

1.1 orthofinder介绍

OrthoFinder是一种快速、正确和全面的比较基因组学分析工具。它可以找到直系和正群，为所有的正群推断基因树，并为所分析的物种推断一个有根的物种树。OrthoFinder还为比较基因组分析提供全面的统计数据。OrthoFinder使用简单，只需运行一组FASTA格式的卵白质序列文件(每个物种一个)。
 

1.2 Orthofinder安装

建议使用conda安装，简单方便，不用担心其他依赖和glibc版本的问题
1.创建一个工作目录。打开终端并运行以下命令：
  1. mkdir ~/orthofinder_tutorial
  2. cd ~/orthofinder_tutorial
复制代码
2.下载最新版本的 OrthoFinder（如果您使用 Bioconda，您仍需要执行此步骤来获取示例数据集）
  1. wget https://github.com/davidemms/OrthoFinder/releases/latest/download/OrthoFinder.tar.gz
复制代码
如果你没有安装 wget，你可以试试 curl：
curl -L -O https://github.com/davidemms/OrthoFinder/releases/latest/download/OrthoFinder.tar.gz
大概去GitHub发布页面下载OrthoFinder：https ://github.com/davidemms/OrthoFinder/releases
3.解压包，cd到OrthoFinder目录
  1. tar xzvf OrthoFinder.tar.gz
  2. cd OrthoFinder/
复制代码
4.打印orthofinder帮助文件
  1. orthofinder -h
复制代码
5.在示例数据集上运行 OrthoFinder 
  1. orthofinder -f ExampleData/
复制代码
 
你将会得到以下结果：

 
1.3 orhtofinder的使用示例

对一组模型生物举行体系基因组分析：小鼠、人类、青蛙、斑马鱼、日本河豚
在https://www.ensembl.org/，探求相关基因[2]
OrthoFinder 需要输入你感兴趣的物种中所有卵白质编码基因的氨基酸序列。每个物种的序列应该在一个单独的文件中，文件扩展名为“.fa”、“.faa”、“.fasta”、“.fas”或“.pep”。当一个物种的基因组被测序并可用时，会执行两个主要步骤，即组装和注释。组装是将单个读数拼接到基因组序列中。注释是对基因组组装中感兴趣的特征的识别，例如卵白质编码基因。因此，我们需要的文件通常位于名为“注释”的部门中。在 Ensembl 的右侧，在“基因注释”下单击“下载 FASTA”。如图：

单击“pep”文件夹（其中包罗肽序列），然后将文件“Homo_sapiens.GRCh38.pep.all.fa.gz”下载到创建的文件夹中。
重复这一步骤下载其他物种序列信息，之后使用gunzip *.gz解压相关文件。
为加速运行时间，使用orthofinder提供的python脚本，提取每个基因的最长的转录变体
  1. for f in *fa ; do python ~/orthofinder_tutorial/OrthoFinder/tools/primary_transcript.py $f ; done
复制代码
你将会得到primary_transcripts文件夹，之后运行
  1. nohup orthofinder -f primary_transcripts/ &
复制代码
 运行时间比较长，你将会得到以下结果

一些紧张概念[1、3]
Orthogroups, Orthologs 和 Paralogs 这三个概念推荐看图理解。
 
1.4 结果文件解读[3]

运行标准OrthoFinder会产生一系列文件：直系同源组、直系同源、基因树、物种树、基因复制变乱、比较基因组学数据。结果文件在所分析物种的.fa文件目录下。

(1)Orthogroups 直系同源组目录[2]

Orthogroups.tsv：用制表符分隔的文件，每一行包罗属于单个直系同源组的基因。每个物种的直系同源组的基因单独排成一列。
Orthogroups.txt: 类似于Orthogroups.tsv，只不过是 OrthoMCL的输出格式。
Orthogroups_UnassignedGenes.tsv：用制表符分隔开的文件，格式上与Orthogroups.tsv相同，但包罗的是未分配到任何直系同源组的基因。
Orthogroups_SingleCopyOrthologues.txt：每个物种恰好包罗一个基因的直系同源群列表，即它们包罗一对一的直系同源物。 这种直系同源组非常适合举行种间比较和种树推断。
Orthogroups.GeneCount.tsv：格式同Orthogroups.tsv。每一行为一个直系同源组，每一列是每个物种每个直系同源组的基因数目。
 

（2）Orthologues 直系同源目录 

在这个目录中，每个物种都有一个子目录。该子目录又包括每个物种对的比较文件。直系同源可以是一对一、一对多或多对多，这取决于基因复制变乱。文件中的每一行都包罗一个物种中的基因，而该基因是另一物种中该基因的直系同源物，而且每一行都被交织引用到包罗这些基因的直系同源组中。
 

（3）Comparative_Genomics_Statistics 比较基因组学数据目录[2]

 

 Statistics_Overall.tsv：用制表符分隔开的文件，其中包罗有直系同源组分析的通例统计信息。（总体统计信息）
Statistics_PerSpecies.tsv：用制表符分隔开的文件，内容与Statistics_Overall.tsv相似，但分物种。（分物种统计信息）
Duplications_per_Orthogroup.tsv：制表符分隔开的文件，该文件给出每个直系同源组中标识的复制项的数目。
Duplications_per_Species_Tree_Node.tsv：制表符分隔开的文件，该文件给出了沿物种树的每个分支发生的复制次数。
Orthogroups_SpeciesOverlaps.tsv：制表符分隔开的文件，包罗每个物种对共享的直系同源群数目。
OrthologuesStats_？-to-？.tsv:制表符分隔开的文件,包罗矩阵。这些矩阵给出了每对物种之间一对一，一对多和多对多关系的直系同源物数目。
 
（4）Gene_Duplication_Events 基因复制变乱目录

  Duplications.tsv：制表符分隔的文件，其中列出了所有基因复制变乱，这些变乱是通过查抄每个直系同源群基因树的每个节点来标识的。
SpeciesTree_Gene_Duplications_0.5_Support.txt：提供了物种树分支上上述复制的总和。 它是newick格式的文本文件。 每个节点/物种名称后面的数字是在导致节点/物种的分支上发生的具有至少50％支持的基因复制变乱的数目。
（5）Gene_Trees 基因树目录

 为每个直系同源群推断的体系发育树。
（6）Orthogroup_Sequences 直系同源组序列目录

 每个直系同源群的FASTA文件,给出了每个直系同源群中每个基因的氨基酸序列。
（7）Resolved_Gene_Trees 剖析的基因树目录

 为每个直系同源组推断出有根的体系发育树，使用OrthoFinder复制损失归并模型举行剖析。
（8）Single_Copy_Orthologue_Sequences 单拷贝直系同源组序列目录

 与直系同源组序列目录相似的文件。每个物种一对一的直系同源组。
 
（9）Species_Tree 物种树目录

SpeciesTree_rooted.txt：从所有直系同源组推断出的STAG物种树，包罗内部节点上的STAG支持值，并以STRIDE(Species Tree Root Inference from Duplication Events)为根。STAG(Species Tree from All Genes)是一种从所有基因推测物种树的算法，不同于使用单拷贝的直系同源基因举行进化树构建。
SpeciesTree_rooted_node_labels.csv：同上，但是节点具有标签，以答应其他结果文件交织引用物种树中的分支/节点（例如基因复制变乱的位置）。
 
 本节参考文献：

 
2.体系发育树的构建

利用orthofinder探求单拷贝基因构建体系发育树
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 IT评测·应用市场-qidao123.com (https://dis.qidao123.com/) Powered by Discuz! X3.4