新型冠状病毒序列构建进化树

编译：王采荷

关于进化树（系统发育进化树，Phylogenetic tree），一般也叫作系统进化树它的用途我这里就不在赘述了。因为远的不说，就拿离我们较近的新冠病毒来说，当然也得益于测序技术的飞速发展，我们可以在分离到病毒株后很快的就将病毒的序列测序，然后和已知序列进行比对，并构建进化树，比较新发现的病毒株与已有数据库的病毒库在进化上的相关性。

一、新冠病毒数据库及数据下载

我们来看看SARS-Cov-2数据库（国家生物信息中心，2019新型冠状病毒信息库），截止目前，我们发现该数据库已经收藏了64,789

图1.1 新冠病毒信息库

条新冠病毒序列，点击后可根据个人喜好（国家和地区）下载，那么我是下载了截止当时时间点的全部序列。

图1.2 相关信息预览

图1.3 下载全部序列

二、MEGA X软件构建tree文件

序列分析的软件很多，这里我选用的是MEGA（Molecular Evolutionary Genetics Analysis）软件，关于该软件的用途网上资源很多，我就不多说了。

图2.1 MEGA软件界面

• 导入fasta序列文件

这里因为下载的全部病毒序列很大，运行需要很长时间，为了展示我只截取一小部分（6条序列）

图2.2 导入下载好的病毒序列

• 序列比对

图2.3 点击Align按钮进行比对

• 点击Alignment(序列比对)

  
  
  

  图2.4 Alignment

• 采用ClustalW方法进行比对

  
  
  

  图2.5 序列进行两两比对和多重比对

• Phylogeny Reconstruction进化树构建

  
  
  

  图2.6 进化树构建

• 导出tree文件

  
  
  

  图2.7 导出tree文件，nwk格式

三、ggtree包构建系统进化树

虽然在mega软件里也能构建系统进化树，而且也可以对可视化图形的美观进行调整，本身亲测也能调的非常好看，但是我还是喜欢用R语言来进行可视化。得知Y叔（国内用R语言做可视化可以说是数一数二的，但要知道他是南方医科大学基础医学院的一名老师，膜拜）的ggtree包之后，我觉得我学习系统进化树构建及可视化方面找到了港湾。

• ggtree需从bioconductor处下载安装

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("ggtree")

• 读取tree文件并进行可视化

rm(list = ls())
library(ggtree)
setwd("C:\\Users\\jnzd_\\Desktop")
my_tree <- read.tree("test.nwk")
ggtree(my_tree, color="firebrick",size=2,linetype="dotted")

# displaying tree scale (evolution distance)
ggtree(my_tree) + geom_treescale() # 简单出图
ggtree(my_tree) + geom_treescale(fontsize=6, linesize=2, offset=1)

# Displaying nodes/tips and other attributions
p <- ggtree(my_tree) + 
  geom_nodepoint(color="#b5e521", alpha=1/2, size=6) + # node位置加上一个符号
  geom_treescale(fontsize=4, linesize=2, offset=0.2) + # 树的标尺
  geom_tiplab(size=5, color="purple") + # 外部节点标签，即基因或者样本信息
  geom_text2(aes(subset=!isTip, label=node), hjust=-.3) + # 显示node值
  geom_hilight(10, "steelblue") # 根据node值给特定分支进行高亮

图3.1 进化树图

参考

1.https://www.megasoftware.net/
2.https://zhuanlan.zhihu.com/p/140061893