選擇壓力及基因在進(jìn)化過程中所受到的壓力悬荣，也稱自然選擇菠秒。
- 在遺傳學(xué)中， Ka/Ks或者dN/dS表示的是非同義突變頻率(Ka)和同義突變頻率（Ks）之間的比例氯迂。
- 一般認(rèn)為践叠，同義突變不受自然選擇，而非同義突變則受到自然選擇作用嚼蚀。由于非同義替換往往對(duì)于生命體有害禁灼，所以在負(fù)選擇的作用下，非同義替換常常會(huì)在群體中被逐漸消滅轿曙。
- 當(dāng)Ka/Ks > 1時(shí)匾二，基因受到正選擇（positive selection）
- 受到正選擇的基因可能是物種受到自然選擇/人工選擇的結(jié)果哮独。對(duì)研究物種環(huán)境適應(yīng)性、人工選育/馴化的影響具有重要意義察藐。
具體知識(shí)我不作贅述皮璧，感興趣的可以去看其他文章，本文主要介紹選擇壓力分析具體的流程及方法分飞。這方面網(wǎng)上的教程很少悴务，我也只是在各種網(wǎng)上的教程里自己摸索整理出的方法，方法不一定對(duì)譬猫，僅供參考讯檐。
1. 物種選擇及序列下載
- 物種的選擇
在進(jìn)行選擇壓力之前，我們首先要確定分析的物種染服，物種一般選擇近緣物種别洪，數(shù)量不宜太多，一般5-6個(gè)柳刮。不然會(huì)導(dǎo)致單拷貝直系同源基因太少挖垛。
- 序列下載
我們需要下載物種的CDS序列或自己測(cè)序獲得的CDS序列進(jìn)行分析，下載的數(shù)據(jù)庫推薦兩個(gè)：
-
NCBI Genome Database,這個(gè)是大家平時(shí)可能最常用的基因數(shù)據(jù)庫秉颗。
image.png -
中國國家基因庫痢毒，這個(gè)數(shù)據(jù)庫回定期同步國際數(shù)據(jù)庫的資源，網(wǎng)絡(luò)加載速度比 NCBI 快很多且中文界面比較友好蚕甥。
image.png
2. 序列去冗余及格式調(diào)整
- 這里我以Ameiurus melas基因組為例哪替，首先下載CDS序列，如下圖所示菇怀，我們首先需要修改其序列名稱凭舶，只保留紅框中我們需要的部分，這步可以自己編寫腳本爱沟，或者使用我寫的Python腳本帅霜。（使用方法： python 1_modify_NCBI_ID.py YourFastaFile.fa）
image.png
然后對(duì)序列最長CDS序列進(jìn)行提取，并將物種名稱加到ID的前面钥顽，得到如下格式：
- 另外加上自己組裝的Trinity序列义屏，首先從中提取最長轉(zhuǎn)錄本靠汁，方法見我另一篇文章用Python提取FASTA中最長轉(zhuǎn)錄本,或者直接使用我寫好的腳本蜂大。再使用TransDecoder預(yù)測(cè)CDS序列。最后提取最長CDS序列蝶怔，原理和上面類似奶浦。
3. 直系單拷貝同源基因篩選及系統(tǒng)發(fā)育樹構(gòu)建
這里使用OrthoFinder尋找同源基因并建樹,得到直系單拷貝同源基因和物種系統(tǒng)發(fā)育樹結(jié)果。
4. 多序列比對(duì)及格式轉(zhuǎn)換
-
首先將所有的直系單拷貝同源基因進(jìn)行多序列比對(duì)踢星，這里我這了很多軟件澳叉，發(fā)現(xiàn)常規(guī)的mafft, muscle 等軟件比對(duì)后會(huì)改變密碼子序列。于是使用了PhyloSuite中的mafft多序列比對(duì)，選擇密碼子（codon）模式成洗。
image.png -
最后使用PhyloSuite的格式轉(zhuǎn)換工具五督，轉(zhuǎn)換比對(duì)完成后的序列為Paml所需要的格式。到這里瓶殃，所有的數(shù)據(jù)準(zhǔn)備就完成了充包，就可以開始選擇壓力分析了。
image.png
5. 選擇壓力分析
目前我們有了選擇壓力分析所必須的文件：
- 比對(duì)好的Paml格式密碼子序列遥椿。
- 物種的系統(tǒng)發(fā)育樹基矮。（計(jì)算時(shí)要在選擇的物種名后加上 #1）
選擇壓力分析使用的是Paml中的codeml軟件包。EasyCodeML做了很好的可視化界面冠场，但是不能批量運(yùn)算家浇，只能一次分析一個(gè)，并且容易卡死（Mac 和 windows上都遇到過）碴裙。
所以我自己寫了一個(gè)腳本callCodeml（使用方法：python3 callCodeml.py 序列文件夾 物種發(fā)育樹文件）來計(jì)算前景枝受到的選擇壓力钢悲，調(diào)用codeml批量運(yùn)算枝位點(diǎn)模型（Branch site model），并使用chi2檢驗(yàn)青团，只輸出 P < 0.05 的結(jié)果譬巫，最終將結(jié)果自動(dòng)整理成表格。
至此督笆，選擇壓力分析完成芦昔，我們只需要根據(jù)OrthoFinder的文件即可找到OG00XXXX同源組所對(duì)應(yīng)的基因名稱。
6. 繪圖
困了娃肿，睡覺咕缎，改天有緣再寫。
