基因组共线性分析工具MCScanX

时间：2024-02-23 10:27:40

 软件简介

MCScanX工具集对MCScan算法进行了调整，用于检测共线性和同线性区域，还增加了可视化和下游分析。。MCscanX有三个核心工具,以及12个下游分析工具。

软件安装

 进入官网http://chibba.pgml.uga.edu/mcscan2/#tm，下载安装

1 unzip MCscanX.zip
2 cd MCScanX
3 make

 

 软件使用

  •  所需要文件

　　　　 两个或多个物种的gff文件，蛋白序列（** 该软件最多能做5个物种的共线性）

  • 第一步：构建索引，进行blastp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
注意！ 如果一个基因有多个转录本，只选择注释中的第一条
1 ## 合并
2 cat at.fa vv.fa >>all.fa
3 
4 ## 建库
5 makeblastdb -in all.fa -dbtype prot -out index/all -parse_seqids
6 
7 ## 比对
8 blastp -query all.fa -db index/all -out all.blast -evalue 1e-5 -num_threads 10 -outfmt 6 -num_alignments 5

  • 第二步：构建gff文件 

MCscanX要求的gff文件和标准的gff文件不一样，它只有四列, 其中"sp#"的sp意味着你要用2个字母代表物种，#则表示是哪条染色体。而"gene"则要是你蛋白序列的基因名
注意：all.gff, all.blastp 前缀需要一样，并且在同一文件夹下
1 sp# gene    starting_position  ending_position

 根据物种的gff3文件利用awk 快速得到MCscanX要求的gff文件

  • 第三步：MCScanX寻找共线性区块

1 MCScanX ./all

 

  •  结果文件

 输出文件分为两个：

　　　　　　　　第一个是at_rice.collinearity， 记录着共线性区块(collinear blocks), 可以选择共线性区块基因大于10以上为可信区域

　　　　　　　　第二个是一个网页格式

  •  输出共线性基因的位置信息

  •  1 #!/usr/bin/env python
 2 # _*_ coding: utf-8 _*_
 3 
 4 import  sys,re
 5 
 6 gene_info = {}
 7 syn_info = {}
 8 
 9 IN = sys.argv[1]  ##*.gff
10 IN1 = sys.argv[2] ## *.collinearity
11 IN2  = sys.argv[3] ## number,int;
12 
13 with open(IN) as f,\
14     open(IN1) as f1,\
15     open("%s_syn_region_info" %IN.strip(".gff"),"w") as o:
16     for i in f:
17         i=i.strip().split()
18         gene_info[i[1]] = [i[0],i[2],i[3]]
19     for x in f1:
20         if \'## Alignment\' in x:
21             res=x.strip()
22             if res not in syn_info:
23                 syn_info[res] = []
24         elif \'#\' not in x:
25             x=x.strip().split()
26             tem = x[-3]+"&&"+x[-2]
27             syn_info[res].append(tem)
28     for k,v in syn_info.items():
29         num = re.search(r" N=(\d+) ",k).group(1)
30         if int(num) >= 10:
31             for n in v:
32               #  print n
33                 gene1 = n.split("&&")[0]
34                 gene2 = n.split("&&")[1]
35                 gene1_chr = gene_info[gene1][0]
36                 gene1_start = gene_info[gene1][1]
37                 gene1_end = gene_info[gene1][2]
38                 gene2_chr = gene_info[gene2][0]
39                 gene2_start = gene_info[gene2][1]
40                 gene2_end = gene_info[gene2][2]
41                 o.write("%s\t%s\t%s\t%s\t%s\t%s\t%s\t%s\n"%(gene1_chr,gene1,gene1_start,gene1_end,gene2,gene2_chr,gene2_start,gene2_end))

     

 

 

基因组共线性工具MCScanX使用说明

基因组共线性工具MCScanX使用说明

 

 

 

------END------

关注下方公众号可获得更多精彩

相关文章