教程 | 规模化物种同源基因分析 - orthofinder [上篇]

写在前面

基因组测序项目已然是几乎所有课题组都可以负担的水平。相比于几年前火爆的通过转录组测序挖掘生物学问题策略，通过基因组，尤其是比较基因组分析，往往可以给我们带来更多确定性结果，如相比于近源物种A为何物种B的果皮更红？这完全有可能是特定家族成员扩张导致。这些问题，转录组常常无法告诉我们，而基因组可以。接下来推出两份教程，来自课题组成员的投稿。我个人感觉还不错。与大伙一起学习。

同源基因分析介绍

开展生物信息数据分析的关键，并不在于软件使用，而在于了解自己在做什么。我们先厘清一些概念。
Q：什么是同源基因？

A：同源基因（homologs）主要分为直系同源（orthologs）和旁系同源（paralogs）。在远古时候，祖先物种只带有一个珠蛋白基因（early globin genes），经过N年的环境选择，现存的物种都具有两个珠蛋白基因，分别为α-链和β-链的类型。青蛙-人类-鼠的α-链球蛋白基因，三个并称为直系同源基因，而蛙的α链和β链球蛋白基因则称作旁系同源基因。
Q: 同源基因分析可以做什么？
A: 较短时间下，获得同源基因集合（Orthogroups）和 有根物种树（基于Orthogroups内基因推断的）的信息。具有这些信息，后续可以物种分歧时间预测、基因家族收缩扩张和WGD事件预测等。

分析的软件与策略

直系同源基因分析常见两个软件：Orthofinder和OrthoMCL，本系列教程使用Orthofinder-（嘿，主要是这个软件安装和运行的十分简单）。

Orthofinder工作原理：
从Orthofinder发表的工作流程（上图），我们可以理解为进行了五个主要步骤：

• （a）推断同源基因集合（Orthogroup），主要是通过序列比对和调用MCL聚类实现同源分类；
• （b）基于每个同源基因集合进行构建基因的进化树；
• （c/d）基于所有的同源基因的进化树的情况，推断物种的有根树。基于STAG（Species Tree Inference from All Genes）算法从无根基因树上构建无根物种树，再使用STRIDE（Species Tree Root Inference from Gene Duplication Events）算法构建有根物种树；
• （e）通过有根物种树的情况，重新对基因的树定根；
• （f-h）对有根物种树基因的复制-丢失-整合分析（duplication-loss-coalescence, DLC），识别同源基因集合或者基因复制事件。

软件安装

软件安装是相对比较简单。

• 超级方便（"无脑"）conda 安装

conda install -c bioconda -y orthofinder

• 自行编译安装
  环境已经安装了python，并具有numpy和scipy库，下载OrthoFinder_source.tar.gz；
  如果没有，则下载 OrthoFinder.tar.gz

#安装了git
git clone https://github.com/davidemms/OrthoFinder.git
##直接wget下载安装包
wget https://github.com/davidemms/OrthoFinder/releases/download/2.5.2/OrthoFinder_source.tar.gz
tar -xzf OrthoFinder_source.tar.gz
cd OrthoFinder_source/
#进入目录，运行orthofinder.py，尝试能否弹出帮助信息。
python orthofinder.py

orthofinder 也可以在windows下进行安装和运行，不过需要借助Docker（一般不推荐....）。
安装完成后，建议添加到环境变量。比如导进路径

export PATH=$PATH:目录到OrthoFinder_source
#若是常用软件，可以写进.bashrc

写在最后

篇幅有限，今天先介绍到这里。在下一篇，我们将分享如何运行这个软件，并进行结果解读。

Emms DM, Kelly S. OrthoFinder: phylogenetic orthology inference for comparative genomics. Genome Biol. 2019 Nov 14;20(1):238.
https://github.com/davidemms/OrthoFinder