写在前面

写这个贴子纯粹为了记录一下自己的双面打工人的生活，然后再总结一下自己的工作方法还有哪些地方存在问题，希望下次再遇到这些小问题的时候可以更快速地应对。

同源关系如何定义| How to define ortholog？

可以参考这篇文章中的记录：https://www.jianshu.com/p/82d4cf6c3eda

简单来说，就是speciation events得到的是一对或者一组基因，称为orthologs，而gene duplication事件形成的一对或者一组基因，称为paralogs。

而在实际的分析中，往往得到的是一组orthogroup（比如OrthoFinder 2.0的结果文件），其中不仅包含了ortholog还包含了paralog。

流程实现

注意

分析过程中需要注意的问题，

• 从蛋白质序列的相似度、系统发育的角度，一个species内的paralog一般比两个species之间的ortholog要呈现出更高的相似度

  举个例子，比如水稻和拟南芥的某一个disease-resistant gene，Arab genome内部的paralog之间的序列相似度，相较于rice和Arab之间的相似度，前者的相似度更高，反映在最终的phylogeny上，也是Arab的paralog之间会更倾向于聚集在一个clade上，而不是单独与rice genome中的ortholog聚集在一个clade上

• 先鉴定出一个species内部，一个gene的orthogroup，可能能够增加鉴定到另一个species中ortholog的概率

思路

分析的一个流程如下，

• OrthoFinder 2.0
• seqkit提取targeted gene
• reciprocal BLAST
• JCVI提取每个query的最优比对结果
• MAFFT
• IQtree 2.0