比較基因組學(xué)中，共線性的分析的圖無疑是很漂亮的。
共線性分析可以很好地解釋進(jìn)化關(guān)系和多倍化事件。上一篇介紹了怎么利用MCScanX來做共線性分析，雖然后面有java的包來支持后續(xù)的畫圖和分析，總覺得不是很適合來調(diào)整圖片的美觀程度。今天主要測(cè)試的是Python版McScan（jcvi工具包），這個(gè)包很強(qiáng)大，是從MCScanx升級(jí)而來的基因組共線性分析軟件。
===安裝===
conda create -y -c bioconda -c conda-forge -n jcvi jcvi? ?//為了怕依賴包沖突，新建了一個(gè)jcvi的環(huán)境
source activate jcvi
pip install git+git://github.com/tanghaibao/jcvi.git
或者 pip install jcvi
然后，安裝額外的依賴環(huán)境：Kent tools，BEDTOOLS，EMBOSS，LAST，LaTex。
其中，BEDTOOLS, EMBOSS和LAST可以用conda來安裝。
conda install -y -n jcvi -c bioconda bedtools emboss last
pip install latex
Kent自己編譯一下：
wget http://hgdownload.cse.ucsc.edu/admin/jksrc.zip
unzip?jksrc.zip
cd kent/src/lib
make
===測(cè)試數(shù)據(jù)===
下載擬南芥和水稻的數(shù)據(jù)：
#A thaliana
wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/arabidopsis_thaliana/cdna/Arabidopsis_thaliana.TAIR10.cdna.all.fa.gz
wgetftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/arabidopsis_thaliana/pep/Arabidopsis_thaliana.TAIR10.pep.all.fa.gz
wget ftp://ftp.ensemblgenomes.org/pub/plants/release-44/gff3/arabidopsis_thaliana/Arabidopsis_thaliana.TAIR10.44.gff3.gz
#O sativa
wgetftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/oryza_sativa/cdna/Oryza_sativa.IRGSP-1.0.cdna.all.fa.gz
wgetftp://ftp.ensemblgenomes.org/pub/plants/release-44/fasta/oryza_sativa/pep/Oryza_sativa.IRGSP-1.0.pep.all.fa.gz
wgetftp://ftp.ensemblgenomes.org/pub/plants/release-44/gff3/oryza_sativa/Oryza_sativa.IRGSP-1.0.44.gff3.gz
# convert gff to bed
python -m jcvi.formats.gff bed --type=mRNA--key=transcript_id Arabidopsis_thaliana.TAIR10.44.gff3.gz > ath.bed
python -m jcvi.formats.gff bed --type=mRNA--key=transcript_id Oryza_sativa.IRGSP-1.0.44.gff3.gz > osa.bed
# deduplication
python -m jcvi.formats.bed uniq ath.bed
python -m jcvi.formats.bed uniq osa.bed
seqkit grep -f <(cut -f 4 ath.uniq.bed )Arabidopsis_thaliana.TAIR10.cdna.all.fa.gz | seqkit seq -i > ath.cds
seqkit grep -f <(cut -f 4 ath.uniq.bed )Arabidopsis_thaliana.TAIR10.pep.all.fa.gz | seqkit seq -i > ath.pep
seqkit grep -f <(cut -f 4 osa.uniq.bed)? Oryza_sativa.IRGSP-1.0.cdna.all.fa.gz| seqkit seq -i? > osa.cds
seqkit grep -f <(cut -f 4 osa.uniq.bed )Oryza_sativa.IRGSP-1.0.pep.all.fa.gz | seqkit seq -i? > osa.pep
mkdir -p cds && cd cds
ln -s ../ath.cds ath.cds
ln -s ../ath.uniq.bed ath.bed
ln -s ../osa.cds osa.cds
ln -s ../osa.uniq.bed osa.bed
# compara
python -m jcvi.compara.catalog ortholog--no_strip_names ath osa
生成的結(jié)果文件如下圖所示：
pdf里面的點(diǎn)陣信息如下圖所示，基本沒什么共線性。
換蛋白的試下：
python -m jcvi.compara.catalog ortholog --dbtype prot --no_strip_names ath osa
它生成的文件里除了PDF里面的點(diǎn)陣圖之外，還有：
?ath.osa.last: 基于LAST的比對(duì)結(jié)果
ath.osa.last.filtered: LAST的比對(duì)結(jié)果過濾串聯(lián)重復(fù)和低分比對(duì)
ath.osa.anchors: 高質(zhì)量的共線性區(qū)塊
ath.osa.lifted.anchors:增加了額外的錨點(diǎn)，形成最終的共線性區(qū)塊
用水稻和擬南芥進(jìn)行了比較之后，發(fā)現(xiàn)后面基本上也沒啥可以分析了。所以我們換個(gè)和擬南芥一個(gè)種的例子來看，A.lyrata。
python -m jcvi.compara.catalog ortholog --no_strip_names ath aly
我們可以發(fā)現(xiàn)，都作為Arabidopsis屬的兩個(gè)物種，他們之間存在很高的同源性，點(diǎn)陣圖也是非常好看的。
并且同源區(qū)比例是1:1。
看下別人paper中的效果（2011年的Nature Genetics上A.lyrata）：
用JCVI的畫圖模塊實(shí)現(xiàn)這種效果，只不過還需要一些其它文件，創(chuàng)建如下三個(gè)文件?
seqids: 需要展現(xiàn)哪些序列
layout: 不同物種的在圖上的位置
.simple: 從.anchors文件創(chuàng)建的更簡(jiǎn)化格式
創(chuàng)建simple文件：
python -m jcvi.compara.synteny screen --minspan=30 --simple ath.aly.anchors ath.aly.anchors.new
創(chuàng)建seqid文件，非常簡(jiǎn)單，就是需要展示的scaffold或染色體的編號(hào)。
創(chuàng)建layout文件，用于設(shè)置繪制的一些選項(xiàng)。
最后運(yùn)行下面的命令，會(huì)得到一個(gè)karyotype.pdf
python -m jcvi.graphics.karyotype seqid.txt layout.txt
===測(cè)試多個(gè)物種的數(shù)據(jù)===
下載三個(gè)物種的數(shù)據(jù)：
python -m jcvi.apps.fetch phytozome Vvinifera,Ppersica,Tcacao
python -m jcvi.formats.gff bed --type=mRNA --key=Name Vvinifera_145_Genoscope.12X.gene.gff3.gz -o grape.bed
python -m jcvi.formats.gff bed --type=mRNA --key=Name Ppersica_298_v2.1.gene.gff3.gz -o peach.bed
python -m jcvi.formats.gff bed --type=mRNA --key=Name Tcacao_523_v2.1.gene.gff3.gz -o cacao.bed
python -m jcvi.formats.fasta format Vvinifera_145_Genoscope.12X.cds.fa.gz grape.cds
python -m jcvi.formats.fasta format Ppersica_298_v2.1.cds.fa.gz peach.cds
python -m jcvi.formats.fasta format Tcacao_523_v2.1.cds.fa.gz cacao.cds
python -m jcvi.compara.catalog ortholog grape peach --cscore=.99 --no_strip_names
python -m jcvi.compara.catalog ortholog peach cacao --cscore=.99 --no_strip_names
python -m jcvi.compara.synteny screen--minspan=30 --simple grape.peach.anchors ?grape.peach.anchors.new
python -m jcvi.compara.synteny screen--minspan=30 --simple peach.cacao.anchors peach.cacao.anchors.new
python -m jcvi.graphics.karyotype seqids layout
我們?cè)趤砜磍ayout文件。第一列，二列，三列控制的是track的位置。rotation是方向，color是顏色，label是標(biāo)簽。va是vertical alignment。
所以修改配置，是可以控制每個(gè)track的位置的。
這樣就可以三角性狀顯示。
然后如果想highlight其中的某個(gè)line，可以修改anthor.simple文件：
前面加了r*（r是紅色，g是綠色等）。
其中還有一些參數(shù)，例如--shadestyle=line（共線性區(qū)域是用曲線還是線），font是字體，--diverge是track色系的調(diào)整，等等。
總之，一個(gè)好看的圖要不斷的進(jìn)行調(diào)整。
本文使用 文章同步助手 同步
