使用OrthoFinder进行基因家族分析

谈论到直系同源基因分析的时候，大部分教程都是介绍OrthoMCL，这是2003年发表的一个工具，目前的引用次数已经达到了3000多，但这个软件似乎在2013年之后就不在更新，而且安装时还需要用到MySQL(GitHub上有人尝试从MySQL转到sqlite)。

而OrthoFinder则是2015年出现的软件，目前已有400多引用。该软件持续更新，安装更加友好，因此我决定使用它来做直系同源基因的相关分析。

OrthoFinder能做什么/h2>

OrthoFinder: solving fundamental biases in whole genome comparisons dramatically improves orthogroup inference accuracy提到，它的优点就是比其他的直系同源基因组的推断软件准确，并且速度还快。

此外他还能分析所提供物种的系统发育树，将基因树中的基因重复事件映射到物种树的分支上，还提供了一些比较基因组学中的统计结果。

OrthoFinder的分析过程

OrthoFinder的分析过程分为如下几步:

1. BLAST all-vs-all搜索。使用BLASTP以evalue=10e-3进行搜索，寻找潜在的同源基因。(除了BLAST, 还可以选择DIAMOND和MMSeq2)
2. 基于基因长度和系统发育距离对BLAST bit得分进行标准化。
3. 使用RBNHs确定同源组序列性相似度的阈值
4. 构建直系同源组图(orthogroup graph)，用作MCL的输入
5. 使用MCL对基因进行聚类，划分直系同源组

软件使用

在解压缩的OrthoFinder文件目录下(安装见最后)有一个 , 里面就是用于测试的数据集。

OrthoFinder的基本使用就是如此简单，而且最终效果也基本符合需求。

如果你想根据多序列联配(MSA)结果按照极大似然法构建系统发育树，那么你需要加上。这样结果会更加准确，但是代价就是运行时间会更久，这是因为要做10,000 – 20,000个基因树的推断。

OrthoFinder默认用mafft进行多序列联配，用fasttree进行进化树推断。多序列联配软件还支持muscle, 进化树推断软件还支持iqtree, raxml-ng, raxml。例如参数可以设置为.

并行化参数: 参数指定序列搜索时的线程数，指的是序列搜索后分析的CPU数。

软件细节

OrthoFinder提供了可以调整不同软件的参数，如下是BLASTP。

如何安装/h2>

最快的方法

OrthoFinder可以通过conda安装，建议为它新建一个虚拟环境

如果你愿意折腾

你先得安装它的三个依赖工具: MCL, FastME, DIAMOND/MMseqs2/BLAST+

MCL有两种安装方式，最简单的就是用, 但是对于大部分人可能没有root权限，因此这里用源代码编译。http://micans.org/mcl/

之后是MMseqs2, 一个蛋白搜索和聚类工具集，相关文章发表在NBT, NC上。GitHub地址为https://github.com/soedinglab/MMseqs2

最后安装FastME, 这是一个基于距离的系统发育树推断软件。在http://www.atgc-montpellier.fr/fastme/binaries.php下载，上传到服务器

BLAST+可装可不装，推荐阅读这或许是我写的最全的BLAST教程

以上软件安装之后，都需要将其添加到环境变量中，才能被OrthoFinder调用。

之后在https://github.com/davidemms/OrthoFinder/releases 寻找最近的稳定版本下载到本地，例如OrthoFinder v2.2.7

文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览34263 人正在系统学习中

来源：徐洲更hoptop