Comparative Genomics：单拷贝直系同源基因

比较基因组分析：单拷贝直系同源基因查找

1 基因组蛋白质文件获取和预处理

1.1 基因组蛋白质文件下载

相关基因组网站网站：

NCBI：https://www.ncbi.nlm.nih.gov/

NGDB（国家基因组科学数据中心）：https://ngdc.cncb.ac.cn/?lang=zh

CNGB（国家基因库生命大数据平台）：https://db.cngb.org/

1.2 蛋白质文件预处理

由于orthofinder2软件问题，蛋白质文件名设置为3个字符最为合适（属名前缀1位+种名2位）。

1.3 蛋白质序列名修改

修改前的序列文件

新建add_pre.sh运行文件，将现有蛋白质文件复制到新文件夹，在物种的每条序列名加上简写的物种名，便于后续识别（以XP_开头的蛋白质序列会串联错误）。

​x
1
#进入工作路径
2
cd /home/hztext/dai/Comp_Genome/
3
mkdir -p add_pre_Species
4
cp /home/hztext/dai/Comp_Genome/Nine_species/*.pep /home/hztext/dai/Comp_Genome/add_pre_Species/
5
cd ./add_pre_Species
6

7
for i in *.pep; do
8
    filename="${i%.*}"
9
    sed -i "s|^>|>${filename}|" "${filename}.pep"
10
done

add_pre_Species文件夹中存放了添加了物种名简写前缀的蛋白质文件。

2 Orthofinder2软件安装

2.1 新建名为comp_genome、python版本为3的环境。

xxxxxxxxxx
1
1
conda create -n comp_genome python=3

2.2 激活环境

xxxxxxxxxx
1
1
conda activate comp_genome

2.3 安装软件

xxxxxxxxxx
1
1
conda install orthofinder2

3 物种基因组蛋白质文件预处理

去除基因组蛋白质文件的转录变体：

新建primary_transcripts.sh，批量运行orthofinder2自带的脚本primary_transcript.py。

由于orthofinder2是利用miniconda在Comp_Genome环境中安装的，因此该脚本位于环境的bin文件夹中。

xxxxxxxxxx
10
1
#!/bin/bash
2
#进入基因组蛋白质文件存放的文件夹
3
cd /home/hztext/dai/Comp_Genome/Nine_species/
4
# 遍历以"pep"结尾的文件
5
for i in *.pep ; do
6
  # 获取文件名（不包括扩展名.pep）
7
  filename="${i%.*}" 
8
  # 运行脚本并将输出保存到新文件夹
9
  python /home/hztext/miniconda3/envs/comp_genome/bin/primary_transcript.py "$i"
10
done

运行结束后，去除转录变体的基因组蛋白质文件位于当前工作路径（/home/hztext/dai/Comp_Genome/Nine_species/）的primary_transcripts文件夹中。

4 Orthofinder2查找单拷贝直系同源基因

新建run_orthofinder.sh运行文件

x
1
orthofinder -t 45 -f /home/hztext/dai/Comp_Genome/add_pre_Species/ -o /home/hztext/dai/Comp_Genome/Nine_ortho_result
2
bash /home/hztext/dai/Comp_Genome/Demo_deal/reminder.sh "您的orthofinder计算8个物种已完成"

-t：线程数；-f：蛋白质文件输入路径；-o：结果输出路径。结果文件在（Result+日期）目录中。

reminder.sh：当这个上述命令行运行结束后，利用“传息“：https://cx.super4.cn/微信消息提醒。

当运行结束后需要补充新物种，需要新建一个文件夹New_Species，运行以下命令。

xxxxxxxxxx
1
orthofinder -t 45 -b /home/hztext/dai/Comp_Genome/Nine_ortho_result/Results_Nov24 -f New_Species

-b：之前分析的结果文件夹；-f：新增蛋白质序列的文件夹。

当运行结束后需要删除部分物种，需要修改结果目录（Results_Nov24/WorkingDirectory）下的SpeciesIDs.txt，将文件中对应物种的行前加上#进行注释。

原SpeciesIDs.txt：

需要修改并删除物种：