https://davidemms.github.io/

What does OrthoFinder do?

OrthoFinder是一个快速、准确且全面的比较基因组学平台。它能够找到同源基因组（orthogroups）和同源基因（orthologs），在所有同源基因组中推断有根基因树（rooted gene trees），并识别这些基因树中的所有基因复制/加倍事件（gene duplication events）。它还能为正在分析的物种推断一个有根物种树（rooted species tree），并将基因树中的基因复制事件映射到物种树的分支上。OrthoFinder还为比较基因组学分析提供了全面的统计信息。OrthoFinder使用简单，你只需要准备一组蛋白序列文件（每个物种一个），格式为FASTA。

有关更多详情，请参阅以下OrthoFinder论文。

Getting started with OrthoFinder

Installing OrthoFinder on Linux

conda install -c bioconda orthofinder

Running OrthoFinder

在示例数据类型上运行OrthoFinder：

OrthoFinder/orthofinder -f OrthoFinder/ExampleData

要在您自己的数据集上运行，请将 “OrthoFinder/ExampleData” 替换为包含您的输入FASTA文件的目录，每个物种一个文件。OrthoFinder 将搜索具有以下任何文件名扩展名的输入 FASTA 文件：

• .fa
• .faa
• .fasta
• .fas
• .pep

OrthoFinder Results Files

https://davidemms.github.io/orthofinder_tutorials/exploring-orthofinders-results.html

Phylogenetic Hierarchical Orthogroups Directory

从版本2.4.0开始，OrthoFinder通过分析根基因树推断出HOGs，HOGs即每个层次级别（即物种树中的每个节点）的同源基因组。这是一种比其他所有方法更准确的同源基因组推断方法，其他方法都基于基因相似性/图，也是以前OrthoFinder所使用的方法（已弃用的Orthogroups/Orthogroups.tsv文件）。根据Orthobench基准测试，这些新的同源基因组比OrthoFinder 2的同源基因组（Orthogroups/Orthogroups.tsv）准确性提高了12%。通过包含外类群物种（outgroup species），可以进一步提高准确性（在Orthobench上提高20%），这有助于解释根基因树。

确保OrthoFinder使用的物种树准确无误非常重要，以最大限度地提高HOGs的准确性。要使用不同的物种树重新分析，请使用选项 -ft PREVIOUS_RESULTS_DIR -s SPECIES_TREE_FILE。这仅运行最终的分析步骤“from trees”，速度相对较快。如果使用了外类群物种，请参考 “Species_Tree/SpeciesTree_rooted_node_labels.txt“，确定包含您所需同源基因组的N?.tsv文件。

1. N0.tsv 是一个制表符分隔的文本文件。每一行包含属于单个同源基因组的基因。每个同源基因组的基因按物种组织成列，每个物种一列。额外的列给出了 HOG（分层同源基因组）ID 和从哪个基因树节点确定了 HOG（注意，这可能在包含基因的支系根部之上）。这个文件有效地替代了使用 MCL 进行马尔可夫聚类的 Orthogroups/Orthogroups.tsv 中的同源基因组。

1. N1.tsv、N2.tsv 等：从对应于物种树 N1、N2 等支系的基因树中推断出的同源基因组。由于 OrthoFinder 现在在物种树的每个层次级别推断同源基因组，因此现在可以在分析中包含外围物种，然后使用 HOG 文件获取物种树内所选支系的同源基因组定义。

（分层同源基因组拆分：在分析基因树时，一个嵌套的分层组（除了 N0，即所有物种的最近共同祖先水平的 HOG）有时可能会丢失最早分化物种的基因，然后在第一个存在的基因之前复制。然后，两个最早分化的支系将成为拟同源基因，尽管证据表明它们属于同一个 HOG。对于大多数分析，通常最好将这些支系拆分成单独的组。可以使用选项 ‘-y‘ 请求此操作。）

Orthologues Directory

Orthologues目录包含一个子目录，每个子目录代表一个物种，其中包含物种成对比较的文件，列出了该物种对之间的同源基因。根据同源基因分化以来的基因复制事件，同源基因可以是一对一、一对多或多对多的（有关更多详细信息，请参阅“同源基因组、同源基因和拟同源基因”部分）。每个文件中的每一行都包含一个物种中的基因，这些基因是另一物种中的基因的同源基因，并且每一行都与包含这些基因的同源基因组相互参照。

Orthogroups Directory (deprecated)

现在应该使用 Phylogenetic_Hierarchical_Orthogroups/ 目录中的orthogroups。它们是使用有根基基因树进行鉴定的，并且比准确度提高了12%至20%。

1. Orthogroups.tsv（已弃用）是一个制表符分隔的文本文件。每一行包含属于单个 orthogroup 的基因。每个 orthogroup 中的基因按照物种排列在一列中。现在应该使用 Phylogenetic_Hierarchical_Orthogroups/N0.tsv 中的 orthogroups。
2. Orthogroups_UnassignedGenes.tsv 是一个制表符分隔的文本文件，其格式与 Orthogroups.csv 相同，但包含所有未分配到任何 orthogroup 的基因。

1. Orthogroups.txt（遗留格式）是另一个文件，包含了 Orthogroups.tsv 文件中描述的 orthogroups，但是使用了 OrthoMCL 的输出格式。

1. Orthogroups.GeneCount.tsv 是一个制表符分隔的文本文件，其格式与 Orthogroups.csv 相同，但包含了每个 orthogroup 中每个物种的基因数量。

1. Orthogroups_SingleCopyOrthologues.txt 是一个包含了每个物种中恰好一个基因的 orthogroups 的列表，即它们包含了一对一的同源基因。它们非常适合用于物种间比较和物种树推断。

Gene Trees Directory

由所有具有4条及以上序列的orthogroup推断的一个有根的系统发生树（大多数系统发生树推断程序要求至少4条序列）。

Resolved Gene Trees Directory

使用OrthoFinder混合物种重叠/重复-丢失合并模型（hybrid species-overlap/duplication-loss coalescent model）对具有4条及以上序列的每个orthogroup进行了根化系统发生树推断。

Species Tree Directory

1. SpeciesTree_rooted.txt 从所有orthogroups推断出的STAG物种树，包含内部节点处的STAG支持值，并使用STRIDE进行根化。
2. SpeciesTree_rooted_node_labels.txt 与上述树相同，但节点被赋予标签（而不是支持值），以允许其他结果文件交叉参考物种树中的分支/节点（例如，基因重复事件的位置）。

Comparative Genomics Statistics Directory

Gene Duplication Events Directory

Orthogroup Sequences

Single Copy Orthologue Sequences

WorkingDirectory

Understanding Orthology

Trees from MSA: “-M msa”

Advanced usage

Methods

Command line options

Options for starting an analysis

Options for stopping an analysis

Options controlling the workflow

Options controlling the programs used

Further options

参考

https://github.com/davidemms/OrthoFinder