2019-10-31OrthoFinder-----准确推断直系
file
注：图简单介绍
Proteomes：有三个物种，每个方框内的存在旁系同源(存在于一个物种中，因基因复制而被区分开，且功能发生改变)(图中体现为形状不一样)，不同方框之间存在直系同源(因物种形成而被区别开，一个基因原先存在于某个物种，而该物种分化为了两个物种，两个物种中的相同的基因功能未变化)(图中体现为形状一样)。
Orthogroups：直系同源群，分为3个群，同一个圈内的基因功能一样(图中体现形状一样)。
Gene Trees：将上面分成的直系同源群分别进行进化树分析。(分成几个，就能画几个进化树)。
Species Tree：根据直系同源群画的树，进行物种树的绘制。
Orthologues：直系同源，可以知道每个直系同源的起源。
summary statictistics：一些统计情况。
2.相关概念
同源序列可以分为直系同源和旁系同源。
直系同源(Orthologs)：直系同源的序列因物种形成而被区分开，若一个基因原先存在于某个物种，而该物种分化为了两个物种，两个物种中的相同的基因功能未变化，那么新物种中的基因是直系同源的。
旁系同源(Paralogs)：旁系同源的序列存在于同一个物种。旁系同源的序列因基因复制而被区分开，若生物体中的某个基因被复制了，功能改变了，那么两个副本序列就是旁系同源。
直系同源是由系统发育定义的。它不能通过氨基酸含量，密码子偏好，GC含量或其他序列相似性测量定义。识别直系同源的唯一方法是通过分析系统发育树。确保直系分配正确的唯一方法是对所考虑的物种的最后共同祖先的单个基因下的所有基因进行系统发育重建。这组基因是直系同源群。因此，定义直系同源的唯一方法是分析直系同源群。
图片来自百度
file
3.OrthoFinder的安装
下载站网站： https://github.com/davidemms/OrthoFinder/releases
注：由于Linux系统版本较低，故选择Orthofinder2.3.7版本的第二个安装包下载。
image
下载完成后用FileZilla等软件把安装包传到Linux服务器上。连接上服务器，输入以下代码完成解压和安装。
#终端连接服务器
ssh 用户名@服务器地址
password(密码)
#解压缩
tar xzf OrthoFinder_glibc-2.17.tar.gz
cd OrthoFinder/ #cd到可执行文件orthofinder所在的文件夹
./orthofinder #如果出现以下图片所示，说明软件已经可以运行。
./orthofinder
4.软件的使用
下载氨基酸序列，格式为fasta，每个物种一个文件，并将所有fasta文件存于一个目录。文件名应该简洁并有区分性，因为文件名还会作为最终物种ID。
image
#查看帮助文档
cd --
OrthoFinder/orthofinder -h
#以软件自带的数据运行
OrthoFinder/orthofinder -f OrthoFinder/ExampleData -S diamond #第一个参数:OrthoFinder/orthofinder为orthfinder可执行文件所在地址。第二个参数-f:输入目录，里面包含需要运行的蛋白质fasta文件。第三个参数-S:序列搜索程序，默认为diamond。
image
5.运行结果文件解读
标准OrthoFinder运行会生成一组文件，这些文件描述了直系同源群，直系同源，基因树，解析基因树，有根物种树，基因复制事件以及所分析物种集的比较基因组统计数据。
结果文件
(1)直系同源群(Orthogroups)目录
Orthogroups.tsv：一个制表符分隔的文本文件，每行包含属于单个直系同源群的基因。来自每个直系同源群基因被组织成列，每个物种一列。
Orthogroups_UnassignedGenes.tsv：一个制表符分隔的文本文件，其格式与Orthogroups.csv相同，但包含未分配给任何直系同源群的所有基因。
Orthogroups.txt(传统格式):包含Orthogroups.tsv文件中描述的直系同源群，但使用OrthoMCL输出格式。(方便需求)
Orthogroups.GeneCount.tsv：一个制表符分隔的文本文件，其格式与Orthogroups.csv相同，但包含每个直系同源群中每个物种的基因数计数。
Orthogroups_SingleCopyOrthologues.txt：每个物种正好包含一个基因的直系同源群列表，即它们包含一对一的直系同源物。 它们非常适合进行种间比较和种树推断。(实际使用时候可以根据需求挑选)
file
(2)直系同源物(Orthologues)目录
直系同源物目录为每个物种包含一个子目录，该子目录又包含每个成对物种比较文件，列出该物种对之间的直系同源物。 直系同源物可以是一对一，一对多或多对多，这取决于直系同源物分化后的基因复制事件。文件中的每一行都包含一个物种中的基因，而该基因是另一物种中该基因的直系同源物，并且每一行都被交叉引用到包含这些基因的直系群中。
file
(3)基因树(Gene Trees)目录
为每个直系同源群推断的系统发育树。(根据需求用)
file
(4)解析的基因树( Resolved Gene Trees)目录
为每个直系同源群推断出有根的系统发育树，使用OrthoFinder复制损失合并模型进行解析。(根据需求来)
image
(5)物种树(Species Tree)目录
SpeciesTree_rooted.txt：从所有直系同源群推断出的STAG物种树，包含内部节点上的STAG支持值，并以STRIDE为根。
SpeciesTree_rooted_node_labels.csv：与上述相同的树，但是节点具有标签(而不是支持值)以允许其他结果文件交叉引用物种树中的分支/节点（例如基因复制事件的位置）。
file
(6)比较基因组统计目录
Duplications_per_Orthogroup.tsv：是一个制表符分隔的文本文件，该文件给出每个直系同源组中标识的复制项的数量。 该数据的主文件是Gene_Duplication_Events / Duplications.tsv。
Duplications_per_Species_Tree_Node.tsv：是一个制表符分隔的文本文件，该文件给出了沿物种树的每个分支发生的复制次数。 该数据的主文件是Gene_Duplication_Events / Duplications.tsv。
Orthogroups_SpeciesOverlaps.tsv：一个制表符分隔的文本文件，其中包含每个物种对之间共享的直系同源群（以方矩阵形式）。
OrthologuesStats _ *.tsv：是制表符分隔的文本文件，其中包含矩阵，这些矩阵给出了每对物种之间一对一，一对多和多对多关系的直向同源物数量。
Statistics_Overall.tsv：一个制表符分隔的文本文件，其中包含有关直系同源群大小和分配给直系同源群的基因比例的常规统计信息。
Statistics_PerSpecies.tsv：一个制表符分隔的文本文件，其中包含与Statistics_Overall.csv文件相同的信息，但包含每个单独的物种。
在Statistics_Overall.csv 和Statistics_PerSpecies.csv中的一些名词
Species-specific orthogroup：完全由一个物种的基因组成的直系同源群。
G50: 直系同源群中的基因数量，以使50％的基因位于该大小或更大的直系同源群中。
O50: 最小数目的正交群，以使50％的基因位于该大小或更大的直系同源群中。
Single-copy orthogroup: 单拷贝直系同源群，每个物种中仅有一个基因的直系同源群。 这些直系同源群是推断物种树和许多其他分析的理想选择。
Unassigned gene: 未分配的基因，尚未与任何其他基因放入直系同源群的基因。
file
(7)基因复制事件(Gene Duplication Events)目录
Duplications.tsv：一个制表符分隔的文本文件，其中列出了所有基因复制事件，这些事件是通过检查每个直系同源群基因树的每个节点来标识的。
SpeciesTree_Gene_Duplications_0.5_Support.txt ：提供了物种树分支上上述复制的总和。 它是newick格式的文本文件。 每个节点或物种名称后面的数字是在导致节点/物种的分支上发生的具有至少50％支持的基因复制事件的数量。
file
(8)直系同源群(Orthogroups sequences)序列
每个直系同源群的FASTA文件给出了每个直系同源群中每个基因的氨基酸序列。
file
(9)单拷贝的直系同源群序列(Single copy orthologue sequences)
与直系同源群序列目录相同的文件，但仅限于每个物种仅包含一个基因的直系同源群。
file
