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:OrthofinderOrthoMCL,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

你可能感兴趣的:(教程 | 规模化物种同源基因分析 - orthofinder [上篇])