分析 | 比较基因组 | 共线性分析

网上已经有很多教程，自己尝试梳理。

共线性分析，你会想到什么？

1. 基于蛋白编码基因
   1.1 MCScanX (updated MCscan)
   1.2 WGDI-icl (updated ColinearScan)
   1.3 TBtools
   1.4 JCVI (MCscan-(Python-version))、VGSC2 ......
2. 基于基因组序列的结构变异检测
   2.1 MUMMER + SyRI
   2.2 Minimap2 + SyRI

比较基因组分析中，能不能把一些结果统一？

1. OrthoFinder
   1.1 具有 blast 步骤，MCscanX 和 WGDI 可以用；
   1.2 WGDI-icl结果可以被 MCscanX 代替。
2. JCVI
   2.1 常规步骤：根据cds或pep文件同源比对（BLAT?）、共线性分析（生成.simple文件）、可视化（依赖.simple文件）；
   2.2 抛弃前两步，将 MCscanX 结果转化为.simple文件；
   2.3 circos 的links中间连线体现共线性，可以由.simple 文件转化。
3. DupGen_finder
   依赖 blast 和 MCscanX 结果。
4. 疑问：OrthoFinder 的不同物种间同源基因信息，如何跟 MCscanX_h 衔接？
5. ......

很多软件我都没有探索过，甚至没有实践过，只是大概的想法，可能是错的。更多的分析应该能直接衔接、统一起来。
还是继续挖坑，以后慢慢实践。下面相当于【收藏夹】了，没必要看。

• MCscanX
  基因组共线性工具MCScanX使用说明

• JCVI
  「JCVI教程」JCVI的模块简介
  「JCVI教程」如何绘制CNS级别的共线性图（上）
  「JCVI教程」如何绘制CNS级别的共线性图（中）
  「JCVI教程」如何基于物种的CDS的blast结果绘制点图(dotplot)
  使用jcvi基于wgdi的共线性结果(-icl)绘制点图
  【比较基因组】共线性分析（JCVI）
  基因家族共线性分析

conda create -y -c bioconda -c conda-forge -n jcvi jcvi
conda activate jcvi
# conda deactivate

conda install -y -n jcvi -c bioconda bedtools emboss last

python3 -m jcvi.formats.gff bed spA.gff3 -o spA.bed
python3 -m jcvi.formats.gff bed spB.gff3 -o spB.bed
python3 -m jcvi.formats.bed uniq spA.bed
python3 -m jcvi.formats.bed uniq spB.bed

awk '{print $4}' spA.uniq.bed | seqkit grep -f - pep.fa > spA.pep
awk '{print $4}' spB.uniq.bed | seqkit grep -f - pep.fa > spB.pep
# python3 -m jcvi.formats.fasta format

mkdir pep
cd pep

ln -s ../spA.uniq.bed spA.bed
ln -s ../spB.uniq.bed spB.bed
ln -s spA.pep .
ln -s spA.pep .
# 比对，生成 `anchors` 文件
python3 -m jcvi.compara.catalog ortholog --dbtype prot --no_strip_names spA spB

# 共线性分析，生成 `.simple` 文件
python3 -m jcvi.compara.synteny screen --minspan=30 --simple spA.spB.anchors spA.spB.anchors.new
# python3 -m jcvi.compara.synteny depth --histogram spA.spB.anchors

# seqids
# chr1,chr2,chr3,chr4,chr5
# LG01,LG02,LG03,LG04,LG05,LG06,LG07

# layout
# # y, xstart, xend, rotation, color, label, va,  bed
#  .6,     .1,    .8,       0,      , spA, top, spA.bed
#  .4,     .1,    .8,       0,      , spB, top, spA.bed
# # edges
# e, 0, 1, spA.spB.anchors.simple

# 绘图
python3 -m jcvi.graphics.karyotype seqids layout

• circos
  徐洲更在 从零开始学CIRCOS绘制圈图(四) 中提到了自己的脚本 simple2links.py 将 JCVI 的.simple结果文件转化为 circos 图所需的links文件。

• 补充
  SyRI：从全基因组组装中找到基因组重排和局部序列差异
  minimap2序列比对(pfar包可视化)
  dotPlotly－Minimap2比对paf文件比对可视化