文献笔记五十六：新型冠状病毒的进化分析

论文题目

Evolution of the novel coronavirus from the ongoing Wuhan outbreak and modeling of its spike protein for risk of human transmission
2020年1月21日
SCIENCE CHINA Life Sciences

研究单位

image.png

主要的研究内容

• Evolution of the novel coronavirus from the ongoing Wuhan outbreak
  武汉新型冠状病毒的进化分析
• modeling of its spike protein for risk of human transmission
  传播风险建模（这部分内容自己暂时还没有看懂）

本篇笔记重点关注进化分析部分

论文中的进化分析用到了64条冠状病毒的全基因组序列
其中有6条是武汉新型冠状病毒基因组序列

本篇笔记中64条序列其中59条序列下载自NCBI数据库，包括一条武汉新型冠状病毒序列，另外5条武汉新型灌装病毒基因组序列下载自百迈客的数据库http://ncovdb.biocloud.net/page/download/download

图一A

本篇论文中图一A中提到

Phylogenetic tree of coronaviruses based on full-length genome sequences.
The tree was constructed with the Maximum-likelihood method using RAxML with GTRGAMMA as the nucleotide substitution model and 1000 bootstrap replicates

• 构建进化树使用的是全长基因组序列
• 进化树软件使用的是RAxML
• 核苷酸替代模型是 GTRGAMMA
• 1000 次bootstrap

并没有提到序列比对用到的软件

我这里比对使用mafft软件

mafft novel_virus.fasta > novel_virus_aligned.fasta

使用在线程序http://www.sing-group.org/ALTER/将比对结果转化为phylip格式

构建进化树

参考文章https://www.plob.org/article/1107.html

raxmlHPC -p 12345 -# 1000 -m GTRGAMMA outputResult -s novel_virus_aligned.fasta.alter.phy -n test

自己平时构建进化树很少使用raxml这个软件，自己用的比较多的是iqtree，所以接下来的分析自己也尝试用iqtree。遇到的问题是：不知道GTRGAMMA对应的是IQtree里的哪个模型；为了加快运行速度，我这里选用了iqtree的JC模型，使用-bb参数做bootstrap重复
不知道结果会不会与论文中有出入
命令是

iqtree -s novel_virus_aligned.fasta -pre novelvirus -bb 1000 -nt AUTO -m JC

novelvirus.treefile是最终的进化树文件
使用R语言的ggtree来可视化进化树文件

library(ggtree)
tree<-read.tree("../../Novel_Coronavirus/novelvirus.treefile")
pdf(file="nv.pdf",height=10,width=10)
ggtree(tree,layout="circular")+
  geom_hilight(node=81,fill="darkgreen",alpha=0.2,extend=1)+
  geom_hilight(node=93,fill="red",alpha=0.2,extend=1)+
  geom_hilight(node=83,fill="blue",alpha=0.2,extend=1)+
  geom_tiplab2(align=T)
dev.off()

image.png

最终得到的树形和原论文中的基本一致！

今天就先到这里了，明天任务

• 进一步对进化树进行美化
• 继续看论文中对进化树的解读

文章中用到的序列数据大家可以自己下载，或者直接在我的公众号留言即可！

欢迎大家关注我的公众号
小明的数据分析笔记本

公众号二维码.jpg

希望这波疫情早日结束
中国加油！武汉加油！