【比较基因组】共线性分析(MCscanX)

前面介绍了WGDI,今天分享另一个工具MCscanX。

MCScanX是另外一个检测基因共线性和进化分析的常用工具之一,2012发表至今引用数已经有好几百了,作者之一的唐海宝老师是国内植物基因组学生信分析、软件开发领域的大拿,在学习使用MCScanx之前推荐先看看他08年介绍gene synteny和collinearity概念的science文章以及MCScanX软件算法文章。

Tang H, Bowers J E, Wang X, et al. Synteny and Collinearity in Plant Genomes[J]. Science, 2008, 320(5875):486-488.

Wang Y, Tang H, DeBarry JD, Tan X, Li J, Wang X, Lee TH, Jin H, Marler B, Guo H, Kissinger JC, Paterson AH. (2012) MCScanX: a toolkit for detection and evolutionary analysis of gene synteny andcollinearity. Nucleic Acids Res, 40(7): e49.

MCScanX是MCScan的升级版本: 

1)用法更简单,只需要blastp m8格式的比对文件和经过简单处理的gff作为输入文件即可;

2)参数更多元,可以设置gap的阈值;

3)输出文件中有html网页版的展示,可以看到第一列是duplicaiton depth,tandem genes用红色标出;

4)优化了算法,缓和了物种间不同gene densities的影响

 

===下载和安装===

从下面链接中下载:https://github.com/wyp1125/MCScanX

unzip MCscanX.zip

cd MCScanX

make

===使用介绍===

MCScanX、MCScanX_h、duplicate_gene_classifier这三个是核心程序,downstream_analyses中包含12个下游分析程序,可以画图构树,还是很方便很强大的。

1. 准备文件xyz.gff

MCscanX要求的gff文件和标准的gff文件不一样,它只有四列, 其中"sp#"的sp意味着你要用2个字母代表物种(多个字母好像也不影响结果),#则表示是哪条染色体。而"gene"则要是你蛋白序列的基因名。

2. xyz.blast文件

我们用data中的ath和vv作为例子来测试。

注:这里是找at和vv两个基因组组内和组间的共线性,因为想同时知道物种内和物种间的共线性,所以在blast之前把at和vv的基因组fa cat到一起,既做database,又做query,如果只想知道组间的共线性,那么就任取一个基因组为database,另一个做query。

 

合并 cat at.fa vv.fa >all.fasta

 

建库  makeblastdb -in all.fa -dbtype prot -parse_seqids -outall  (-logfile allpep.log -title all)

 

蛋白比对 blastp -query all.fa -db all -out at_vv.blast -evalue 1e-10 -num_threads 16 -outfmt 6 -num_alignments 5

 

小tips:blast这一步是限速步骤,可以把all.fasta文件cut成多份,同时并行跑节省时间

3. 运行MCScanX

输入文件只有两个,一个是blast得到的at_vv.blast文件,一个是变相的gff文件at_vv.gff。

运行:MCScanX at_vv

:两个文件必须在同一个文件夹

运行成功后得到at_vv.html,at_vv.collinearity,at_vv.tandem输出文件。

at_vv.collinearity里记录了共线性信息

可以看到collinear gene的数目和占比以及具体的比对信息。

4. 下游分析及可视化

 

常用的下游分析有:duplicate_gene_classifier XX (0:singleton(非重复基因)1:dispersed(不是2,3,4的其它重复)2:proximal(染色体附近的重复,但是不相邻)3:tandem(串联重复)4:WGD/segmental(在共线性区域的共线性基因))

dissect_multiple_alignment -g XX.gff -cXX.collinearity -o XX.dis

group_collinear_genes.pl -i XX.collinearity-o XX.collinear.groups

可视化:软件自带的分析包不能调颜色,所以推荐用python版的MCscan(JCVI 包)。

这里直接使用下游dot_plotter, dual_synteny_plotter, circle_plotter和bar_plotter4个java包更便捷

gff和collinearity是上一步的输出,还需要编辑一个control文件,设置需要展示的染色体信息(和gff的第一列一致)

dot_plotter

control文件信息如下图所示:

java dot_plotter -g at_vv.gff -s at_vv.collinearity -c dot.ctl -o dot.PNG

dual_synteny_plotter

java dual_synteny_plotter -g at_vv.gff -s at_vv.collinearity -c dual_synteny.ctl -o dual_synteny.PNG

circle_plotter

java circle_plotter -g at_vv.gff -s at_vv.collinearity -c circle.ctl -o circle.PNG

这个图我更喜欢用circos去画,感觉更专业一点。

bar_plotter

java bar_plotter -g at_vv.gff -s at_vv.collinearity -c bar.ctl -o bar.PNG

其它分析

当然还有很多其它的分析包例如:duplicate_gene_classifier,detect_collinear_tandem_arrays,dissect_multiple_alignments对结果做进一步分析,借助其他相关信。

还可以做origin_enrichment_analysis,family_tree_plotter,add_ka_and_ks_to_collinearity等。

perl ../../downstream_analyses/add_kaks_to_synteny.pl -i at.collinearity -d at.cds -o at.collinearity.kaks

本文使用 文章同步助手 同步

你可能感兴趣的:(【比较基因组】共线性分析(MCscanX))