使用单拷贝基因画物种进化树

所需软件：

# OrthoFinder寻找同源基因

conda install orthofinder

#EasySpeciesTree

git clone https://github.com/Davey1220/EasySpeciesTree.git

该脚本依赖Mafft, TrimAI, RAxML和ASTRAL四个软件，需要自己提前安装好

修改脚本中相应依赖程序的绝对路径：vi EasySpeciesTree.py

conda 可以直接安装mafft、 trimal、raxmlHPC

astral.5.6.3.jar：github下载：https://github.com/smirarab/ASTRAL

############### MODIFY THE FOLLWINGS PATHS FOR ALL DEPENDENT PROGRAMS ###############

MAFFT = '/xxx/anaconda2/bin/mafft'

RAxML = '/xxx/anaconda2/bin/raxmlHPC'

ASTRAL = '/xxx/software/ASTRAL-master/astral.5.6.3.jar'

TRIMAL = '/xxx/anaconda2/bin/trimal'

#####################################################################################

步骤：

python 脚本更改物种蛋白序列的ID

#!/usr/bin/evn python3

# -*- coding: utf-8 -*-

__author__='LJS'

import sys, os

def renameID(infile, outfile):

ini = open(infile, 'r')

out = open(outfile, 'w')

j = 0

for i in ini:

i = i.strip()

if i.startswith('>'):

# print('>seq'+str(j).rjust(5, '0'), file=out) #for python3

print >>out, '>Amborella'+str(j).rjust(5, '0') #for python2

j += 1

else:

# print(i, file=out) #for python3

print >>out, i #for python2

if __name__ == '__main__':

infile =sys.argv[1]

outfile = sys.argv[2]

renameID(infile, outfile)

2)更改各个物种蛋白库文件的名字，与序列ID的名字前半部分一致；

例如Amborella.fa 其序列ID的名字为

Amborella00000

......

Amborella26845

3)运行orthofinder

orthofinder -f orthsp1 -M msa -S diamond -t 16 -a 16

-f 指定蛋白序列所在的文件夹(orthosp1)此命令仅需指定输入文件夹，其余为默认参数。

-t 序列搜索使用的线程数 (默认值为16)

-a 序列分析使用的线程数 (默认值为1)

-M 基因树推断方法(默认为dendroblast)可选：dendroblast ，msa

-S 序列比对使用的程序 (默认为Blast)可选：blast, mmseqs, blast_gz, diamond(推荐使用diamond，比对速度快)

-A 多序列联配方式，该选项仅当 -M msa 选项时才有效(默认为mafft)可选：muscle, mafft

-T 建树方式，该选项仅当 -M msa 选项时才有效 (默认为fasttree)可选：iqtree, raxml-ng, fasttree, raxml

-s 输入特定的根物种树

-I 设定MCL的膨胀系数(默认为1.5)

#如果要修改建树过程中的bootstrap，就要修改程序的config.json文件。该文件在conda环境里面的bin文件里

#如要在iqtree建树过程中增加bootstrap， 则在iqtree的"cmd_line":中添加 -bb 1000 (iqtree的超快bootstrap)或 -b 1000(传统bootstrap)

"iqtree":{

"program_type": "tree",

"cmd_line": "iqtree -s INPUT -pre PATH/IDENTIFIER -bb 1000 > /dev/null",

"ouput_filename": "PATH/IDENTIFIER.treefile"

},

4)orthofinder结果

所在文件夹：xxx/orthsp1/OrthoFinder/Results_Sep25/Orthogroups

image.png

orthsp1/OrthoFinder/Results_Sep25/Species_Tree

image.png

5)运行EasySpeciesTree 构建物种进化树

python ~/software/EasySpeciesTree/EasySpeciesTree.py -in1 species_id.txt -in2 SingleCopyOrthogroups.txt -in3 Orthogroups.csv -in4 all-pep.fas -nb 100 -t 16

-h, --help show this help message and exit

-in1 INPUT1, --input1 INPUT1

offer the prefix of all abbreviated species id

-in2 INPUT2, --input2 INPUT2

offer the Single-copy Orthogroups file, SingleCopyOrthogroups.txt

-in3 INPUT3, --input3 INPUT3

offer the all Orthogroups file, Orthogroups.csv

-in4 INPUT4, --input4 INPUT4

offer all species protein sequences

-t THREAD, --thread THREAD

set the number of thread, default=10

-nb BOOTSTRAP, --bootstrap BOOTSTRAP

set the number of bootstrap, default=100

-m MODEL, --model MODEL

set the model of amino acid substitution, default=PROTGAMMAJTT

输入文件-in2 和 -in3 来自xxx/orthsp1/OrthoFinder/Results_Sep25/Orthogroups

image.png

输入文件-in1来自

xxx/analysis/specieTres/orthsp2/OrthoFinder/Results_Sep25/WorkingDirectory/SpeciesIDs.txt的第二列

awk '{print $2}' SpeciesIDs.txt |sed -i 's/.fa//g' > species_id.txt

输入文件-in4: cat *.fa >>all.pep.fas

6)EasySpeciesTree运行结果，会生成4个文件夹

image.png

将串联法和并联法生成的结果文件RAxML_bipartitions.concatenation_out.nwk，Astral.coalescence_tree.nwk导入FigTree、MEGA或者iTOL进行可视化

串联法(Concatenation)(先将不同物种之间的每个单拷贝基因单独进行多序列比对，然后将这些比对后的单拷贝基因进行首尾 相连串接成一个supergene矩阵，最后将这个supergene用于构建系统发育树)

并联法(Coalescence)(先将不同物种之间的每个单拷贝基因单独进行多序列比对，并构建每一个单拷贝基因对应的基因树，然后将所有单拷贝基因对应的基因树进行合并重构出相应的物种树)进行ML系统发育树的构建。

参考：

https://www.jianshu.com/p/bfa568c8f4c4

https://www.jianshu.com/p/9ef6d7f273b3

https://www.jianshu.com/p/90301eeb063a

高级用法

(1)添加新物种到之前的分析(previous_orthofinder_directory指的是包含“SpeciesIDs.txt”的目录)

$orthofinder -b previous_orthofinder_directory -f new_fasta_directory

(2)从之前的分析中移除物种

从输出目录下找到工作目录“WorkingDirectory”中的“SpeciesIDs.txt”文件，在要移除的物种那一行最前面加上一个“#”并保存，然后运行(previous_orthofinder_directory指的是包含“SpeciesIDs.txt”的目录)：

$orthofinder -b previous_orthofinder_directory

(3)同时添加和删除物种

编辑好“SpeciesIDs.txt”后，运行：

$orthofinder -b previous_orthofinder_directory -f new_fasta_directory

(4)更多高级功能请阅读官方文档，主要包括“Inferring MSA Gene Trees”、并行计算、单独运行BLAST、使用预先计算的BLAST结果以及回归检测。