比较基因组学流程

mkdir ~/orthofinder_tutorial
cd ~/orthofinder_tutorial

wget https://github.com/davidemms/OrthoFinder/releases/latest/download/OrthoFinder.tar.gz

tar xzvf OrthoFinder.tar.gz
cd OrthoFinder/

 orthofinder -h

 orthofinder -f ExampleData/

for f in *fa ; do python ~/orthofinder_tutorial/OrthoFinder/tools/primary_transcript.py $f ; done

nohup orthofinder -f primary_transcripts/ &

Orthogroups, Orthologs 和 Paralogs 这三个概念推荐看图理解。

(1)Orthogroups 直系同源组目录^[2]

Orthogroups.tsv：用制表符分隔的文件，每一行包含属于单个直系同源组的基因。每个物种的直系同源组的基因单独排成一列。

Orthogroups.txt: 类似于Orthogroups.tsv，只不过是 OrthoMCL的输出格式。

Orthogroups_UnassignedGenes.tsv：用制表符分隔开的文件，格式上与Orthogroups.tsv相同，但包含的是未分配到任何直系同源组的基因。

Orthogroups_SingleCopyOrthologues.txt：每个物种正好包含一个基因的直系同源群列表，即它们包含一对一的直系同源物。 这种直系同源组非常适合进行种间比较和种树推断。

Orthogroups.GeneCount.tsv：格式同Orthogroups.tsv。每一行为一个直系同源组，每一列是每个物种每个直系同源组的基因数目。

 

（2）Orthologues 直系同源目录 

在这个目录中，每个物种都有一个子目录。该子目录又包括每个物种对的比较文件。直系同源可以是一对一、一对多或多对多，这取决于基因复制事件。文件中的每一行都包含一个物种中的基因，而该基因是另一物种中该基因的直系同源物，并且每一行都被交叉引用到包含这些基因的直系同源组中。

 

（3）Comparative_Genomics_Statistics 比较基因组学数据目录^[2]

 

Statistics_Overall.tsv：用制表符分隔开的文件，其中包含有直系同源组分析的常规统计信息。（总体统计信息）

Statistics_PerSpecies.tsv：用制表符分隔开的文件，内容与Statistics_Overall.tsv相似，但分物种。（分物种统计信息）

Duplications_per_Orthogroup.tsv：制表符分隔开的文件，该文件给出每个直系同源组中标识的复制项的数量。

Duplications_per_Species_Tree_Node.tsv：制表符分隔开的文件，该文件给出了沿物种树的每个分支发生的复制次数。

Orthogroups_SpeciesOverlaps.tsv：制表符分隔开的文件，包含每个物种对共享的直系同源群数目。

OrthologuesStats_？-to-？.tsv:制表符分隔开的文件,包含矩阵。这些矩阵给出了每对物种之间一对一，一对多和多对多关系的直系同源物数量。

 

（4）Gene_Duplication_Events 基因复制事件目录

Duplications.tsv：制表符分隔的文件，其中列出了所有基因复制事件，这些事件是通过检查每个直系同源群基因树的每个节点来标识的。

SpeciesTree_Gene_Duplications_0.5_Support.txt：提供了物种树分支上上述复制的总和。 它是newick格式的文本文件。 每个节点/物种名称后面的数字是在导致节点/物种的分支上发生的具有至少50％支持的基因复制事件的数量。

（5）Gene_Trees 基因树目录

为每个直系同源群推断的系统发育树。

（6）Orthogroup_Sequences 直系同源组序列目录

每个直系同源群的FASTA文件,给出了每个直系同源群中每个基因的氨基酸序列。

（7）Resolved_Gene_Trees 解析的基因树目录

为每个直系同源组推断出有根的系统发育树，使用OrthoFinder复制损失合并模型进行解析。

（8）Single_Copy_Orthologue_Sequences 单拷贝直系同源组序列目录

与直系同源组序列目录相似的文件。每个物种一对一的直系同源组。

 

（9）Species_Tree 物种树目录

SpeciesTree_rooted.txt：从所有直系同源组推断出的STAG物种树，包含内部节点上的STAG支持值，并以STRIDE(Species Tree Root Inference from Duplication Events)为根。STAG(Species Tree from All Genes)是一种从所有基因推测物种树的算法，不同于使用单拷贝的直系同源基因进行进化树构建。

SpeciesTree_rooted_node_labels.csv：同上，但是节点具有标签，以允许其他结果文件交叉引用物种树中的分支/节点（例如基因复制事件的位置）。