生信软件工具箱

使用OrthoMCL鉴定直系同源基因组

OrthoMCL是目前最常用的基因家族分析软件，从2013年发布2.0版本之后再也没有更新过，虽然它的安装过程复杂负责，但是依旧挡不住大家对他的喜好。

当然软件安装复杂是相对于之前，现在用Docker就可以轻松的安装和使用OrthoMCL。由于

1
docker pull jasonkwan/orthomcl_docker

由于该容器自带一个run_orthomcl.py, 只要你准备好输入数据和配置文件，就能够自动化进行分析.

其中run_orthomcl.py的参数有5个

  • -t/–table_path fasta_table的文件路径
  • -s/–start_stage: 开始阶段，1,2,3,4
  • -e/–end_stage: 结束阶段， 1,2,3,4
  • -p/–processors: 线程数
  • -c/–config_file: 配置文件

其中-s和-e的1-4分别对应为

  • 1: 使用orthomclAdjustFasta, orthomclFilterFasta进行数据预处理
  • 2: 使用DIAMOND进行all-vs-all blast
  • 3: 使用MySQL数据库寻找配对
  • 4: 使用MCL处理配对

分析流程

我们以一个具体的案例说明下。新建一个文件夹，例如说test， 里面是收集好的物种氨基酸序列。

1
2
$ ls
Alyrata.faa  Athaliana.faa  Chirsuta.faa

由于Docker版本的OrthoMCL使用DIAMOND进行blastp比对，因此一定要保证你的氨基酸序列中没有”.”，否则会报错。可以用seqkit grep过滤不合格的序列。

1
seqkit grep -s -vrp '"\."' input.fa > output.faa

之后创建一个fasta_table，放在test目录下。该文件分为两列，第一列是文件名，第二列是缩写。

1
2
3
Alyrata.faa	Aly
Athaliana.faa	Ath
Chirsuta.faa	Chi

准备配置文件orthomcl.config，同样放在test目录下

1
2
3
4
5
6
7
8
9
10
11
12
dbVendor=mysql
dbConnectString=dbi:mysql:orthomcl:mysql_local_infile=1
dbLogin=root
dbPassword=PAssw0rd
similarSequencesTable=SimilarSequences
orthologTable=Ortholog
inParalogTable=InParalog
coOrthologTable=CoOrtholog
interTaxonMatchView=InterTaxonMatch
percentMatchCutoff=50
evalueExponentCutoff=-5
oracleIndexTblSpc=NONE

在test同级目录下运行如下命令

1
docker run --privileged=true  --rm -it --volume $PWD/test:/outdir:rw jasonkwan/orthomcl_docker:latest bash

就会进入Docker的交互命令行，运行run_orthomcl.py

1
2
cd outdir
run_orthomcl.py --table_path fasta_table --config_file orthomcl.config --processors 32 &

假如不希望进入交互命令行，那么需要按照下面的方法进行运行

1
docker run --privileged=true  --rm --volume $PWD/test:/outdir:rw jasonkwan/orthomcl_docker:latest /bin/bash -c "/tmp/.runconfig.sh && run_orthomcl.py --table_path /outdir/fasta_table --config_file /outdir/orthomcl.config --processors 32 "

最终输出结果是groups.txt。下一个问题是，当你有了groups.txt后，下面能做什么分析呢？

按照对基因组学文章的整理，基本上就是下面两个

  • 使用单拷贝基因构建系统发育树。
  • 使用CAFE进行基因家族扩张收缩分析

我正在找一篇文章尝试重现这个流程。

参考资料