寫在前面
兩個(gè)月前，我推送了一個(gè)師妹的投稿锰蓬，介紹了orthofinder軟件的應(yīng)用場(chǎng)景和具體安裝幔睬，屬于上篇。有上便有下芹扭，評(píng)論區(qū)和后臺(tái)看到不少朋友在催更下篇麻顶。今天即推出，主要內(nèi)容即：
- 軟件的使用
- 結(jié)果的解讀
運(yùn)行
準(zhǔn)備文件
#在一個(gè)合適的路徑舱卡，創(chuàng)建個(gè)人工作文件辅肾；
mkdir test && cd test
準(zhǔn)備所需物種的蛋白文件
統(tǒng)一后綴為(.pep/.fasta/.fa/.faa/.fas 均是Orthofinder可以識(shí)別的后綴)
注意：如果基因組具有可變剪切轉(zhuǎn)錄本，需要提取最長轉(zhuǎn)錄本進(jìn)行（TBtools可）
運(yùn)行主程序
#暫時(shí)退至上一層目錄
cd ..
#運(yùn)行主程序
orthofinder -f test/ -M msa -a 40
#非conda安裝,主程序運(yùn)行使用orthofinder.py
可見用到的參數(shù)并不多轮锥，正是Orthofinder使用簡單的原因矫钓。
主要用到相關(guān)參數(shù)介紹：
#-a 分析所用到的線程
#-f 指定文件夾（存放我們所有物種的序列）
#-M 推斷基因樹的方法 可選：msa 和 dendroblast （默認(rèn) dendroblast）
dendroblast不依賴多序列比對(duì)，基于Blast評(píng)分方法聚類的方法舍杜，更節(jié)約時(shí)間新娜。但相對(duì)多序列比對(duì)（msa）還是準(zhǔn)確性差一點(diǎn)。
#-S 序列比對(duì)的方法 可選：Diamond 和 blast (默認(rèn)Diamond)
diamond相對(duì)于blast比對(duì)速度更快既绩，準(zhǔn)確性也有保證
#-T 建樹的方法 可選：fasttree, raxml, raxml-ng, iqtree (默認(rèn)fasttree)
建樹的精準(zhǔn)度/耗時(shí) raxml > iqtree > fastree;
如果追求更高的精準(zhǔn)度可以使用 iqtree概龄。
# 此處應(yīng)有誤，最準(zhǔn)確應(yīng)該是raxml饲握，也是最慢的 - CJ
結(jié)果解讀
#進(jìn)入運(yùn)行路徑
cd test
#可以發(fā)現(xiàn)產(chǎn)生了 OrthoFinder/Results_Jun12
cd OrthoFinder/Results_Jun12
ls -1tr #查看結(jié)果文件
進(jìn)入結(jié)果文件查看私杜，主要包含以下文件夾情況。
- Orthogroup_Sequences 該文件夾包含了每個(gè)同源基因集合救欧，各物種的同源基因序列衰粹。
- Orthogroups 同源組信息的目錄
Orthogroups.GeneCount.tsv #每個(gè)物種在每個(gè)同源基因集合所具有的基因數(shù)目
Orthogroups.tsv #每個(gè)物種在每個(gè)同源基因集合的基因ID
Orthogroups_UnassignedGenes.tsv #每個(gè)物種在每個(gè)同源基因集合的基因ID（包括未分配同源組的基因）
Orthogroups.txt #OrthoMCL的輸出格式
Orthogroups_SingleCopyOrthologues.txt #單拷貝的同源基因集合
- Single_Copy_Orthologue_Sequences 該文件包含了單拷貝的直系同源基因核酸序列。后續(xù)需要若需要構(gòu)建時(shí)間分歧進(jìn)化樹笆怠，使用的序列铝耻。
- MultipleSequenceAlignments 多序列比對(duì)的文件。
- WorkingDirectory 運(yùn)行程序的文件夾骑疆。
- Species_Tree 物種樹文件夾
Orthogroups_for_concatenated_alignment.txt #構(gòu)建進(jìn)化樹所用到的同源基因集合
SpeciesTree_rooted.txt #有根物種樹文件
SpeciesTree_rooted_node_labels.txt
#具有Node信息的樹文件田篇；導(dǎo)進(jìn)查看樹文件的軟件即可，大致了解到物種關(guān)系箍铭。
- Phylogenetic_Hierarchical_Orthogroups 輸出文件以 N0.tsv泊柬，N1.txt，N2.tsv诈火，… 為格式兽赁。分別指以物種樹 N0，N1，N2刀崖，… 節(jié)點(diǎn)為標(biāo)準(zhǔn)推斷出的Hierarchical Orthogroups（不考慮基因復(fù)制惊科，從古老祖先進(jìn)化的一組直系同源基因）。
- Orthologues
cd Orthologues
#Orthologues_Athaliana
#Orthologues_Slycopersicum
#Orthologues_Csinensis
#Orthologues_Vvinifera
###
cd Orthologues_Athaliana
#Athaliana__v__Csinensis.tsv
#Athaliana__v__Slycopersicum.tsv
#Athaliana__v__Vvinifera.tsv
進(jìn)入該目錄亮钦，可以具有各物種的子目錄馆截。子目錄內(nèi)又包括了兩個(gè)物種間的同源基因集合比較的文件。
- Gene_Trees 該文件存放同源基因樹蜂莉。
- Resolved_Gene_Trees 該文件存放重定根的同源基因樹蜡娶。
- Gene_Duplication_Events 統(tǒng)計(jì)支持度大于50%的復(fù)制事件，支持度是指復(fù)制后兩個(gè)基因副本未被丟失的比例映穗。
SpeciesTree_Gene_Duplications_0.5_Support.txt #物種的分支上具有基因復(fù)制事件的數(shù)量（50％支持度的）展示如下圖
Duplications.tsv #列出復(fù)制事件具體情況
- Comparative_Genomics_Statistics 該目錄主要包括了基因組比較的統(tǒng)計(jì)
Statistics_PerSpecies.tsv #統(tǒng)計(jì)每個(gè)物種的情況
Statistics_Overall.tsv #基于同源基因集合（Orthogroups）統(tǒng)計(jì)情況
Orthogroups_SpeciesOverlaps.tsv #物種間共享的同源基因集合
OrthologuesStats_one-to-one.tsv #物種對(duì)間一一對(duì)應(yīng)的直系同源基因數(shù)量
OrthologuesStats_one-to-many.tsv #物種對(duì)間多對(duì)一的直系同源基因數(shù)量
OrthologuesStats_many-to-one.tsv #物種對(duì)間一對(duì)多的直系同源基因數(shù)量
OrthologuesStats_many-to-many.tsv #物種對(duì)間多對(duì)多的直系同源基因（在物種形成后的基因復(fù)制事件）
OrthologuesStats_Totals.tsv #包括多重性的每個(gè)物種對(duì)的直系同源基因總數(shù)（即上述數(shù)量的總和）
Duplications_per_Species_Tree_Node.tsv #物種樹每個(gè)分支發(fā)生的復(fù)制次數(shù)
Duplications_per_Orthogroup.tsv #每個(gè)物種對(duì)共享的同源群數(shù)目
- Log.txt 記錄文件~
- Citation.txt 引用信息~
寫在最后
Emmm窖张，這位師妹整體進(jìn)步速度還不錯(cuò)，應(yīng)該也是差不多研二轉(zhuǎn)生信數(shù)據(jù)分析蚁滋，研三畢業(yè)時(shí)已經(jīng)可以獨(dú)立完成植物基因組項(xiàng)目宿接，也是其畢業(yè)論文。今天的稿件辕录，我壓了兩個(gè)月睦霎，主要原因是一直找不到時(shí)間排版。碰巧這會(huì)在測(cè)試過幾天培訓(xùn)的虛擬機(jī)踏拜。有時(shí)候碎赢，最難的是在限定的計(jì)算資源下，完成一些原本應(yīng)該是高占用資源的項(xiàng)目速梗，比如基因組組裝。
Anyway襟齿，稿件終于還是放出來了姻锁。前面跟師妹還約了另外的稿件，感興趣的朋友猜欺，就等著吧位隶。
