MCScanX使用说明

基因组共线性工具MCScanX使用说明

MCScanX是检测基因共线性和进化分析的常用工具之一，2012发表至今引用数200+，作者之一的唐海宝老师是国内植物基因组学生信分析、软件开发领域的大拿，在学习使用MCScanx之前推荐先看看他08年介绍gene synteny和collinearity概念的science文章以及MCScanX软件算法文章。

Tang H, Bowers J E, Wang X, et al. Synteny and Collinearity in Plant Genomes[J]. Science, 2008, 320(5875):486-488.

Wang Y, Tang H, DeBarry JD, Tan X, Li J, Wang X, Lee TH, Jin H, Marler B, Guo H, Kissinger JC, Paterson AH. (2012) MCScanX: a toolkit for detection and evolutionary analysis of gene synteny and collinearity. Nucleic Acids Res, 40(7): e49.

好，接下来具体讲讲MCScanX的使用

1. 进入MCScanX官网

http://chibba.pgml.uga.edu/mcscan2/#tm

首先是关于版本的介绍：

可以看到MCScanX是MCScan的升级版本：

1）用法更简单，只需要blastp m8格式的比对文件和经过简单处理的gff作为输入文件即可；2）参数更多元，可以设置gap的阈值；3）输出文件中有html网页版的展示，可以看到第一列是duplicaiton depth，tandem genes用红色标出；4）优化了算法，缓和了物种间不同gene densities的影响

右边是历史版本的优化情况，其中13年发布的MCScanX-transposed是用来检测基因组内或组间的transposed gene重复

2. 下载及安装

官网都给了链接，也可以参考biochen的文章，很详细使用MCScanX分析基因组共线性区块

unzip MCscanX.zip

cd MCScanX

make

Manual http://chibba.pgml.uga.edu/mcscan2/documentation/manual.pdf

structure一目了然
MCScanX、MCScanX_h、duplicate_gene_classifier这三个是核心程序，downstream_analyses中包含12个下游分析程序，可以画图构树，还是很方便很强大的

3.具体使用方法

第一个MCScanX是拟南芥单一物种内找共线性gene区块的例子，还可以用 duplicate_gene_classifier在单一基因组内找重复序列，并区分singleton, dispersed, proximal, tandem, WGD/segmental五种类型。第二个MCScanX是拟南芥和葡萄物种之间找共线性，MCScanX_h和MCScanX类似，只是输入文件稍有不同，如果已知物种间的homology关系，可以直接用MCScanX_h。后面是下游分析的java程序，每个程序点击去可以看到实例

下面以最常用的多物种MCScanX找共线性使用为列：

at是拟南芥的缩写，vv是葡萄缩写
第一步 blastp（protein-protein BLAST）比对

注意！这里是找at和vv两个基因组组内和组间的共线性,因为想同时知道物种内和物种间的共线性，所以在blast之前把at和vv的基因组facat到一起，既做database，又做query，如果只想知道组间的共线性，那么就任取一个基因组为database，另一个做query

合并 cat at.fa vv.fa >>all.fasta

建库 makeblastdb -in all.fa-dbtype prot -parse_seqids -out all (-logfile allpep.log -title all)

蛋白比对 blastp -query all.fa -db all -out at_vv.blast -evalue 1e-10 -num_threads 16 -outfmt 6 -num_alignments 5

小tips：blast这一步是限速步骤，可以把all.fasta文件cut成多份，同时并行跑节省时间

注意！亲自验证该软件最多只能做5个物种的共线性。。。不管输入再多物种结果只有五个！！

第二步运行MCScanX

输入文件只有两个，一个是上一步blast得到的at_vv.blast文件，格式如下：

还有一个是at_vv.gff文件，不过跟一般的九列gff文件不同，这里是缩略版本，可以用awk得到，第一列是物种名和染色体编号，第二列是基因号，第三列是起始位置，第四列是终止位置（用tab分割）

准备好这两个文件之后，输入命令行

MCScanX at_vv

注意：at_vv.gff at_vv.blast和at_vv命名需要一致且在同一个文件夹里

其他参数设置

运行速度快（吐槽一下用Sibelia来做植物基因组实在是太慢了。。）

运行成功后得到at_vv.html,at_vv.collinearity,at_vv.tandem输出文件

at_vv.collinearity里记录了共线性信息

可以看到collinear gene的数目和占比以及具体的比对信息

第三步下游分析及可视化

1、常用的下游分析有：

duplicate_gene_classifier XX （0：singleton（非重复基因）1：dispersed（不是2，3，4的其它重复）2：proximal（染色体附近的重复，但是不相邻）3：tandem（串联重复）4：WGD/segmental（在共线性区域的共线性基因））

dissect_multiple_alignment -g XX.gff -c XX.collinearity -o XX.dis

group_collinear_genes.pl -i XX.collinearity -o XX.collinear.groups

2、可视化：软件自带的分析包不能调颜色，所以推荐用python版的MCscan(JCVI 包)，具体参考我的另一篇文章其实MCScanX画图也可以很好看

绘图瞬间高大上

驴和马基因组的共线性分析
这里直接使用下游dot_plotter, dual_synteny_plotter, circle_plotter和bar_plotter 4个java包更便捷

官网以水稻和大豆为例
gff和collinearity是上一步的输出，还需要编辑一个control文件，设置需要展示的染色体信息（和gff的第一列一致）

1.dot_plotter

java dot_plotter -g at_vv.gff -s at_vv.collinearity -c dot.ctl -o dot.PNG

dot.ctl

2.dual_synteny_plotter

java dual_synteny_plotter -g at_vv.gff -s at_vv.collinearity -c dual_synteny.ctl -o dual_synteny.PNG

dual_synteny.ctl

3.circle_plotter

java circle_plotter -g at_vv.gff -s at_vv.collinearity -c circle.ctl -o circle.PNG

circle.ctl

circle.ctl
简单的circos图
4.bar_plotter

java bar_plotter -g at_vv.gff -s at_vv.collinearity -c bar.ctl -o bar.PNG

bar.ctl

第四步其他分析

duplicate_gene_classifier、detect_collinear_tandem_arrays、dissect_multiple_alignments对结果做进一步分析，借助其他相关信息，还可以做

origin_enrichment_analysis,family_tree_plotter,add_ka_and_ks_to_collinearity等

计算kaks
多了一列kaks信息
小结

MCScanX官网界面友好，亲测好评，后面画图如果想自己调试改颜色啥的，还是学一下circos的使用吧

https://www.jianshu.com/p/740cb9eccf2b