OrthoFinder结果文件

运行结束后，在ExampleData里多出一个文件夹，Results_Feb14, 其中Feb14是运行的日期直系同源相关文件，分析每个直系同源基因组里的直系同源基因之间关系，结果会在Orthologues_Feb14文件夹下(其中Feb14是日期).
运行标准OrthoFinder会产生一系列文件：直系同源组、直系同源、基因树、物种树、基因复制事件、比较基因组学数据。结果文件在所分析物种的.fa文件目录下。

##文件夹
Citation.txt
Comparative Genomics Statistics
Gene Duplication_Events
Gene_Trees
Log.txt
Orthogroups
Orthogroup_Sequences
Orthologues
PhyLogenetically_Misplaced Genes
Putative_Xenologs
Resolved_Gene_Trees
Single_Copy_ Orthologue_Sequences
Species_Tree
WorkingDirectory

(1)Orthogroups 直系同源组目录

Orthogroups.tsv：用制表符分隔的文件，每一行包含属于单个直系同源组的基因。每个物种的直系同源组的基因单独排成一列。
Orthogroups.txt: 类似于Orthogroups.tsv，只不过是 OrthoMCL的输出格式。
Orthogroups_UnassignedGenes.tsv：用制表符分隔开的文件，格式上与Orthogroups.tsv相同，但包含的是未分配到任何直系同源组的基因。
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。 这种直系同源组非常适合进行种间比较和种树推断。
Orthogroups.GeneCount.tsv：格式同Orthogroups.tsv。每一行为一个直系同源组，每一列是每个物种每个直系同源组的基因数目。

（2）Orthologues 直系同源目录

在 这个目录中，每个物种都有一个子目录。该子目录又包括每个物种对的比较文件。直系同源可以是一对一、一对多或多对多，这取决于基因复制事件。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同源组中。

（3）Comparative_Genomics_Statistics 比较基因组学数据目录

Statistics_Overall.tsv：用制表符分隔开的文件，其中包含有直系同源组分析的常规统计信息。（总体统计信息）
Statistics_PerSpecies.tsv：用制表符分隔开的文件，内容与Statistics_Overall.tsv相似，但分物种。（分物种统计信息）
Duplications_per_Orthogroup.tsv：制表符分隔开的文件，该文件给出每个直系同源组中标识的复制项的数量。
Duplications_per_Species_Tree_Node.tsv：制表符分隔开的文件，该文件给出了沿物种树的每个分支发生的复制次数。
Orthogroups_SpeciesOverlaps.tsv：制表符分隔开的文件，包含每个物种对共享的直系同源群数目。
OrthologuesStats_？-to-？.tsv:制表符分隔开的文件,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系同源物数量。

一些重要的概念：

Species-specific orthogroup：完全由一个物种的基因构成的直系同源组
G50和O50：当你把直系同源组数按照从大到小进行排列，然后累加，当加入某个组后，累计基因数大于总基因数的50%，那么所需要的直系同源组的数目就是O50，该组的基因数就是G50.
Single-copy orthogroup：在直系同源组中，每个物种里面只有一个基因。这些直系同源组是推断物种树和其他分析的理想选择。
Unassigned gene：无法和其他基因进行聚类的基因。

（4）Gene_Duplication_Events 基因复制事件目录

Duplications.tsv：制表符分隔的文件，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/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。

（5）Gene_Trees 基因树目录

图片.png

为每个直系同源群推断的系统发育树。

（6）Orthogroup_Sequences 直系同源组序列目录

图片.png

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。

（7）Resolved_Gene_Trees 解析的基因树目录

图片.png

为每个直系同源组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。

（8）Single_Copy_Orthologue_Sequences 单拷贝直系同源组序列目录

图片.png

与直系同源组序列目录相似的文件。每个物种一对一的直系同源组。

（9）Species_Tree 物种树目录

SpeciesTree_rooted.txt：从所有直系同源组推断出的STAG物种树，包含内部节点上的STAG支持值，并以 STRIDE(Species Tree Root Inference from Duplication Events)为根。STAG(Species Tree from All Genes)是一种从所有基因推测物种树的算法，不同于使用单拷贝的直系同源基因进行进化树构建。
SpeciesTree_rooted_node_labels.csv：同上，但是节点具有标签，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）。

Note:

1. 可以指定-M参数来指定物种树的构建算法。OrthoFinder默认的方法是STAG算法。STAG整合了所有的同源基因（包括多拷贝基因），这种方法特别适合物种遗传距离较远，单拷贝同源基因很少甚至没有的情况。

   同样，可以指定只使用单拷贝基因来构建物种树，-M raxml 就会调用Raxml进行构建。

2. Orthogroups文件夹中的 Orthogroups.GeneCount.tsv 统计了同源基因在每个物种中的数目，可以利用这个文件很方便的挑选我们需要的基因。

STAG是一种从所有基因推测物种树的算法，不同于使用单拷贝的直系同源基因进行进化树构建。

在结果文件夹中，Orthogroups文件夹里面有所有的同源基因信息，还贴心的单独给出了单拷贝同源基因信息。Gene_Trees 和 Species_Tree 文件夹分别是单独的同源基因构建的tree已经整合所有同源基因构建的物种树。

一些重要概念:

Species-specific orthogroup: 一个仅来源于一个物种的直系同源组
Single-copy orthogroup: 在直系同源组中，每个物种里面只有一个基因。我们会用单拷贝直系同源组里的基因推断物种树以及其他数据分析。
Unassigned gene: 无法和其他基因进行聚类的基因。
G50和O50，指的是当你直系同源组按照基因数从大到小进行排列，然后累加，当加入某个组后，累计基因数大于50%的总基因数，那么所需要的直系同源组的数目就是O50，该组的基因树就是G50.

Orthogroups, Orthologs 和 Paralogs 这三个概念推荐看图理解。

图片.png

作者：小小的人儿_MR
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。