如何高效而且优雅地比较多物种的不同基因组区域？

写在前面

高通量测序技术的普及，带来的是遍地的基因组。昨日，OneKP项目又发了一个Paper【因为很久以前他们就发过，数据也早就可以获取】。他们再发多少paper，事实上，我并没有太多感触，因为OneKP项目的参与者都是奉献的科研工作者，他们早早就共享了数据，造福人类，而我们也早就受益匪浅。千种植物转录组测序当然提供了大量数据。而事实上，各位都非常清楚，转录组本身测定的是基因的有表达，甚至说，是pol II聚合酶所转录的基因区间，本身是一个非常简化的基因组，涵盖的基因组信息并不大。而对于一个物种而言，基因组序列的稳定性比转录组序列的稳定性更强健。一个非常明显的事实是，换个组织或者时期测定转录组，那么得到的序列集合就会有所变化，而基因组的往往只存在极小的序列变化。基因组，更多的序列，也提供了更多的生物信息。从其中挖掘出有趣的信息，往往有助于我们日后“定向育种”。而简单的“比较基因组”分析，常常会让我们眼前一亮。这点，我们可以在多数基因组分析相关文章中看到，此处不再赘述。如果感兴趣，或许也可以去柑橘，辣椒等相关的一些研究报道。

Naive的做法

最简单而且最普通的操作，先来一遍。多数人可能会是这个操作：

1. 提取两个物种对应的序列区段，各数百Kb
2. 使用Blast进行两个区间的比对
3. 可视化

这些操作当然可以使用TBtools来完成全部，首先使用Amazing Fasta Extractor

然后使用 Blast Compare Two Sequences Sets

序列放进去，点击 Start即可自动完成Blast。由于TBtools是会根据输入序列类型选择Blast类型，正常情况下，你得到的结果是BlastN的结果。你可以点击Visulaize摁钮直接可视化

从这个结果看来，这两个100多Kb的序列似乎完全没关系。当然不是！我们知道，如果是同科的物种，比如粳稻和籼稻，那么他们的核酸序列相似度还会不错，但是对于水稻和菠萝这两个不同科的，那么保守的可能就只能在蛋白水平检测到。所以，我们需要强制限定，使用 tBlastX。

重复上述操作，那么我们可以得到

很明显，这两条序列确实有相似度，而且应该是 共线性区块【事实上，我就是从共线性区块确定的坐标】。
然而，这样的分析并没有太大的意义，因为还是一个循环验证，重新说明我们找的共线性区块并没有问题，而无法给我们提供更多的信息。
关键是， 巨丑无比，在 颜值即正义的时代，此图可能无法生存。

于是，我想起了多年前，已经在TBtools中写好的工具
Mutiple GXF Viewer。下述演示，将会是手把手教会任何一个人，完成这类分析与可视化。

任何人快速上手

推文重点在于给课题组师弟演示如何高效完成两个基因组指定区段的物种相似性。所以我们直接实操。

分析第一步，打开TBtools

先喝一碗英文鸡汤。

首先，需要准备必须的输入文件有四个【以示例数据为例】：

1. 水稻基因组序列
2. 水稻基因组结构注释信息【注意保持染色体ID一致，最好是直接下载的】
3. 菠萝基因组序列【旧版的，我懒得更新】
4. 菠萝基因结构注释信息

我们大体想要比较的是

水稻的染色体区间：Chr3   1579883 1692849
菠萝的染色体区间：LG03   13458687    13601407

输入文件信息的结果是

然后你点击Start。

很快，TBtools就会告诉你，你的Blast已经跑完了，主要是因为这个区间也就~250kb。
随后，我们需要用另一个工具大概整理下

基本上，一秒就搞定了。

关键步骤，可视化分析

分析第三步，继续开另一个TBtools功能

前面的输入文件和分析步骤，各位都很清楚了，把那些信息放到这下面

于是你就可以马上得到下图

稍微调整

于是你就可以，同时结合基因组注释信息和具体的Blast结果。

这个时候，或许你想要高亮某些区间，那么你需要自己制备一个染色体区间文件信息，格式如下

ChrID  StartPos EndPos

如下

于是你会得到

是的，我是随便选择高亮的。

拓展！！

事实上，这个功能一开始写出来，是拿来探索共线性区块，所以上述并不是这个功能的主要操作姿势。
时间问题，这里我仅说明我个人会使用的操作姿势：

1. 整理共线性分析结果为LinkedRegion，具体格式请参考上述对应的输出文件
2. 将共线性分析结果输入到TBtools
3. 探索你感兴趣的任意Region
   【请注意，TBtools有自己实现的GXF index，所以探索起来，速度很快！】

同样的区段，你可能会得到完全不同的结果，示例如下

于是，一切就更清晰了。
而有时候，你会发现两个区段分别位于基因组的正链和负链，所以你需要把位置调转一下，

写在最后

是的，给你四个文件，你就可以玩出花样。
但是，玩归玩，闹归闹，别拿科研开玩笑。你再流弊的分析能力，编程，可视化，如果找不到生物学意义，那么就毫无意义。
最后，不要为这个工具的使用问题来问题，我真的没有时间。不过课题组是欢迎合作的，你感兴趣可以练习。