如何在5分钟内拿到细胞器基因组的进化树

作者 - 雷神之锤

前记-HomoBlock

雷神之锤的我，之前设计了一个HomBlocks流程，可以很方便地帮助大家构建细胞器基因组的比对序列，再用来建树。大家如果不明所以的话，可以搜索查看基迪奥论坛上我的其他的帖子，就知道这个流程具体怎么运行，最终用来干什么了。

HomBlocks也发表在了Genomics上，地址：http://www.sciencedirect.com/sci ... i/S088875431730068X

当时发帖的时候，号称一天之内拿到细胞器基因组树。自然，在序列数目不多的时候，HomBlocks的运行还是比较快的，一天之内拿到比对好的序列，用MEGA跑一下NJ树还是没有问题的。但是随着序列数目的增加、物种亲缘性的疏远、序列长度差异越大或者清一色使用叶绿体基因组，会导致软件运行的时间还是比较久。比如使用70个叶绿体序列，来跑HomBlocks可能会花上几天时间。

因为Mauve的比对只能单线程运行，所以速度上没有办法再提高。

虽然HomBlocks的依然能跑出结果，但是让人等待的过程也实在是煎熬。什么时候能跑出来？跑到哪里了？程序是不是中断了？

再虽然，HomBlocks相比传统手动方法（手动挑取基因序列进行比对再合并序列）在效率上和简便性上，已经算得上很不错啦。起码你只需要等待，无须手动，也不怕出来的序列有问题。

但是！就真没有更快的方法了吗？

升级-BLAST2OGMSA

雷神の锤告诉你，还真有！我给你搞出来了！现在的方法号称：

“五！分！钟！内！拿！到！细！胞！器！基！因！组！的！进！化！树！”。

我们这个新的方法（也算不上什么流程），叫做BLAST2OGMSA。

这个新方法的文章题目我也想好了——BLAST2OGMSA: an convenient way to construct whole organelle genomes alignment to facilitate phylogeny analysis.

大家看到这个题目大概也了解了，为什么我们能在5分钟之内拿到这么个东西了。

比对的话，什么最快？mafft?clustalw?muscle? No, No, No, No。是BLAST!

不然NT数据库那么大，你怎么能够那么快速地在网页上检索序列呢？

那我们需要自行构建序列的库，然后两两比对，再解析blast结果吗？

不需要！

正常的思路的确是这样，利用blast的快速比对（虽然在比对精度上不如其他正统序列比对软件），来解析blast结果。但是，还是挺麻烦的。首先要把blast结果保存成xml格式，然后再提取序列，序列再定位，再提取.............然后你会发现，对位还是有问题，还不如直接用mafft来比呢。

但BLAST2OGMSA直接避开了这么个过程，直接使用ncbi网页版BLAST工具就行了。

BLAST2OGMSA就是一个脚本，只需要你提供两个文件就行。

那这两个文件从哪来？

操作-超快

那顺便说一下BLAST2OGMSA的使用方法：

首先，将你需要构建系统发生树的所有序列，合并在一个文件里。
打开ncbi的BLAST工具，点开Align two or more sequences选项。

image

将你准备好的序列，随便选一个，放入第一栏；将所有序列选中，放入第二栏，然后比对啦。

Blast.png

在蹦出来的结果页面，点开MSA View项。

MSA view.png
在蹦出来的MSA View界面，将blast比对出来的结果download下来（这个是最初的结果，但不能用，我们需要从中提取有效信息），举个例子我们保存成X.aln文件。

x.aln.png
在原来的结果界面，在下部分的结果部分，我们选中所有序列，选择download，文件名就默认为seqdump.txt就好。

seqdump.txt.png

seqdump2.txt.png
我们有了X.aln和seqdump.txt两个文件，然后运行BLAST2OGMSA:

perl BLAST2OGMSA.pl -method=Gblocks X.aln seqdump.txt output.fasta

然后产生的output.fasta就是我们可以用来建树的序列啦！然后简单跑一下NJ:

nj.png

结果-完美

还记得我第一篇帖子中的36个啮齿类动物线粒体的系统发生树吗？结构一致哦，节点的支持度都OK！这个过程花了多长时间？5分钟都没有吧！
BLAST2OGMSA也跟HomBlocks提供了4中序列修剪方法：

Gblock
trimAl
BMGE
Noisy
所以大家用的时候，可以按照自己的需要进行选择。
BLAST2OGMSA的用法也实在很简单，没有别的参数，只需要按顺序把文件列好就行了，可以参考例子中的命令，如果不知道怎么用，那么直接perl BLAST2OGMSA.pl查看一下就行了。

软件下载与使用

BLAST2OGMSA的地址：https://github.com/fenghen360/BLAST2OGMSA
下载解压之后，需要将bin目录下的所有文件可执行化：chmod 755 * 就行。
刚有空写出来，readme都没来得及详细写，大家忽略readme就行，我有空再好好写写。

引用

大家引用的话，就先这么写就好：

the genome-wide alignment of XXX genomes was constructed by BLAST2OGMSA ([https://github.com/fenghen360/BLAST2OGMSA) (https://github.com/fenghen360/BLAST2OGMSA), resulting in XXXXX characters of each species, which including all PCGs and rRNA genes.

后记-联系作者

有三个方式可以找到作者

bioinformatics{*}中国(276151571) - 还剩几个空位
bioinformatics{*}中国大分舵(744366744)
Omicshare论坛