基因选择压力分析 | Ka/Ks, Dn/Ds 大规模计算，更快更准！

写在前面

来来去去，这个主题相关的，我已经写过很多个推文，甚至还包括与Raindy（福建农林高芳銮老师）合作开发和发表了 EasyCodeML。只能说，确实是一个相对常见但似乎也繁杂的分析。

功能开发

• EasyCodeML 主要用于在进化的context上分析选择压力，尤其是做正选择位点分析，亦即，关注到位点。
• 简单的基因对Ka/Ks计算，如 TBtools 的 Simple Ka Ks Calculator 则关注大规模的基因受选择的情况，亦即，关注到基因。

正选择位点分析起来不容易，而大规模的基因对Ka/Ks计算起来其实也不容易。常见的场景是有数万，甚至十来万个基因对，需要计算KaKs。而做计算的步骤：

1. 以密码子为单位进行序列比对
2. 基于比对结果进行KaKs计算

所以是两部。绝大多数人会使用一些软件，如muscle，mafft等做基因双序列比对，因为他们调用起来放弃，尽管这其实不太合适。因为这些软件本身设计目标是多序列比对。用于CodeML的计算应该使用他们，但是用于两条序列的两两比对，缺并不合适。所以最好的方式基本只有：

1. 调用Emboss的Needle程序
2. 使用已有第三方实现
3. 自行做代码实现

其中第一种方法最准但是最慢，第二种方法在Java，python，perl等上面没有良好实现，一般不够准确，甚至不如调用muscle等，第三种方法可以权衡，毕竟是自己做代码实现。
而现在，TBtools用的即第三种方法，准确度上跟Emboss Needle完全一致，但由于是原生代码实现，所以速度很快，同时也支持多线程。

运行速度

针对调用muscle的实现，前述已经提过，大体是一秒钟一对序列，多线程无法提速，甚至会降速（怀疑是进程开销太大），而针对TBtools的原生代码实现（也就是说，我自己coding的），那么单线程一秒钟可以做到200对，如果开四个线程，那么一秒钟可以做到 600对（多线程开销其实并不小）。
实测数据，10000个基因对，muscle调用需要四个多小时。使用TBtools，单线程只需要不到一分钟。如果开四个线程，28秒。
换句话说，常规电脑上去，1w个基因对的计算，一般不需要1分钟。

使用方法

打开 TBtools，跳转到对应功能

使用方式和以前一样，就是记得调整使用的线程数。。。

写在最后

天下武功，唯快不破。