介绍

MCScanX

工具 | MCScanX - 图1

工具 | MCScanX - 图2

下载

  1. # module load GCCcore/13.2.0
  2. # module spider Java/17.0.6
  3. git clone https://github.com/wyp1125/MCScanX
  4. cd MCScanx
  5. make
  6. export PATH=$PATH:/proj/nobackup/hpc2nstor2024-021/shwzhao/bin/software/MCScanX

使用

  1. MCScanX -h
  2. ## [Usage] ./MCScanX prefix_fn [options]
  3. ##  -k  MATCH_SCORE, final score=MATCH_SCORE+NUM_GAPS*GAP_PENALTY
  4. ##      (default: 50)
  5. ##  -g  GAP_PENALTY, gap penalty (default: -1)
  6. ##  -s  MATCH_SIZE, number of genes required to call a collinear block
  7. ##      (default: 5)
  8. ##  -e  E_VALUE, alignment significance (default: 1e-05)
  9. ##  -m  MAX_GAPS, maximum gaps allowed (default: 25)
  10. ##  -w  OVERLAP_WINDOW, maximum distance (# of genes) to collapse BLAST matches (default: 5)
  11. ##  -a  only builds the pairwise blocks (.collinearity file)
  12. ##  -b  patterns of collinear blocks. 0:intra- and inter-species (default); 1:intra-species; 2:inter-species
  13. ##  -h  print this help page
  • -k: MATCH_SCORE，匹配得分。[50]

指的是共线性区块内共线性基因对的得分。然而，两个连续的共线性基因对之间可能会出现间隙（即非共线性基因），这些间隙需要被惩罚。

  • -g: GAP_PENALTY，Gap 罚分。[-1]

对于一个共线性基因对，其 final_score 定义为 MATCH_SCORE + NUM_GAPS · GAP_PENALTY。对于一个报告的共线性区块，通过将其所有共线性基因对的 final scores 相加生成总得分。因此，为了提供更宽松的共线性基因比对，可以将 GAP_PENALTY 调整为比默认值（即 -1）更小的绝对值（例如 -0.5）。

  • -s: MATCH_SIZE，匹配大小。[5]

表示推断一个共线性区块所需的基因数量。增加 MATCH_SIZE 会减少检测到的共线性区块数量。对于小型基因组，可以将此选项调到比默认值更小的值（例如 4）。

  • -e: E-value，表示共线性区块基因比对的统计阈值。[1e-05]

增加此值会导致检测到更多的共线性区块，而减少此值会导致检测到更少的共线性区块。CUTOFF_score 定义为 MATCH_SIZE * MATCH_SCORE。如果一个共线性区块的得分未超过 CUTOFF_score，则不会被报告。

  • -m: MAX_GAPS，指定允许连接下一个共线性基因对的最大间隙。[25]

如果遇到的间隙超过 MAX_GAPS，则共线性区块将停止扩展。

  • -w: OVERLAP_WINDOW，。[5]
  • -a:
  • -b: 共线性块模式。[0]

0: 物种内和物种间；1: 物种内；2: 物种间。

  • -h: 显示帮助信息。

运行

数据下载

  1. Arabidopsis thaliana 5 GCA_000001735.2 https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000001735.4/ at
  2. Arabidopsis suecica 13 GCA_019202805.1 https://www.ncbi.nlm.nih.gov/datasets/genome/GCA_019202805.1/ as
  3. Arabidopsis arenosa 8 GCA_905216605.1 https://www.ncbi.nlm.nih.gov/datasets/genome/GCA_905216605.1/ aa
  4. Thlaspi arvense 7 GCA_911865555.2 https://www.ncbi.nlm.nih.gov/datasets/genome/GCA_911865555.2/ ta
  5. Brassica oleracea var.oleracea 9 GCA_000695525.1 https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000695525.1/ bo
  6. Brassica carinata 17 GCA_016771965.1 https://www.ncbi.nlm.nih.gov/datasets/genome/GCA_016771965.1/ bc
  1. # Arabidopsis_thaliana
  2. wget -c https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/001/735/GCF_000001735.4_TAIR10.1/GCF_000001735.4_TAIR10.1_genomic.gff.gz -O Arabidopsis_thaliana.gff.gz
  3. wget -c https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/001/735/GCF_000001735.4_TAIR10.1/GCF_000001735.4_TAIR10.1_protein.faa.gz -O Arabidopsis_thaliana.pep.fa.gz
  5. # Arabidopsis_suecica
  6. wget -c https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/019/202/805/GCA_019202805.1_ASM1920280v1/GCA_019202805.1_ASM1920280v1_genomic.gff.gz -O Arabidopsis_suecica.gff.gz
  7. wget -c https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/019/202/805/GCA_019202805.1_ASM1920280v1/GCA_019202805.1_ASM1920280v1_protein.faa.gz -O Arabidopsis_suecica.pep.fa.gz
  9. gunzip *.gz

提取位置信息

blastp 比对

  1. # module load GCC/12.3.0
  2. # module load OpenMPI/4.1.5
  3. # module load BLAST+/2.14.1
  4. cat Arabidopsis_thaliana.pep.fa Arabidopsis_suecica.pep.fa > all.pep.fa
  5. makeblastdb -in all.pep.fa -dbtype prot -parse_seqids -out all
  6. blastp -query all.pep.fa -db Artha -outfmt 6 -out "all.blastp_all.tab" -num_threads 20 -evalue 1e-10
  1. blastp \
  2.   -db ncbiDB/species1 \
  3.   -query ncbi/species2.fa \
  4.   -evalue 1e-10 \
  5.   -num_alignments 5 \
  6.   -outfmt 6 \
  7.   -out intermediateData/species1-2.blast

对于每一对基因组，调整 query 和 target 基因组，再进行第二次运行。

共线性块检测

  1. 800 //plot width and height (in pixels)
  2. at1,at2,at3,at4,at5,aa1,aa2,aa3,aa4,aa5 //chromosomes in the circle
  1. java dual_synteny_plotter -g .gff -s .collinearity -c .ctl -o _synteny.png
  4. java dot_plotter -g.gff -s .collinearity -c .ctl -o _dot.png
  6. java circle_plotter -g .gff -s .collinearity -c .ctl -o _circle.png
  8. java bar_plotter -g .gff -s .collinearity -c .ctl -o _bar.png
  1. perl add_Ka_and_Ks_to_collinearity_Yn00.pl \
  2.   -i sp.collinearity \
  3.   -d sp.cds \
  4.   -o sp.KaKs
  1. ./duplicate_gene_classifier data/at
  3. perl MCScanX-transposed.pl -i dir -t target_species -c outgroup1,outgroup2,…,outgroupN -x 2 -o outputDir
  5. perl detect_colinearity_within_gene_families.pl -i gene.family -d .collinearity -o collinearity_within_gene_families
  7. java family_circle_plotter -g .gff -s .collinearity -c family.ctl -f gene.family -o gene_family_circle_plot.png
  9. java family_tree_plotter -t family.tree -s .collinearity -d .tandem -x 400 -y 1100 -f 10 -o family_treePlot.png

参考

  1. https://github.com/wyp1125/MCScanX
  2. Detection of colinear blocks and synteny and evolutionary analyses based on utilization of MCScanX
  3. 基因组分析 | 基于 MCScanX 的共线区块检测和进化分析
conda create -n comparative_genomics
conda activate comparative_genomics