Inparanoid 寻找物种间直系同源基因

InParanoid 是一个用于寻找直系同源基因（Orthologs）的计算机程序，其目标是发现不同物种之间具有相似功能的基因。

软件下载安装：

git clone https://bitbucket.org/sonnhammergroup/inparanoid.git

或者

wget   https://bitbucket.org/sonnhammergroup/inparanoid/get/d0690ac396ac.zip

在运行的时候，系统有报错，报错内容为：

Can't locate Parallel/ForkManager.pm in @INC (you may need to install the Parallel::ForkManager module) (@INC contains: /build/Cellar/anaconda2/lib/site_perl/5.26.2/x86_64-linux-thread-multi /build/Cellar/anaconda2/lib/site_perl/5.26.2 /build/Cellar/anaconda2/lib/5.26.2/x86_64-linux-thread-multi /build/Cellar/anaconda2/lib/5.26.2 .) at inparanoid.pl line 116.BEGIN failed--compilation aborted at inparanoid.pl line 116.

缺少 Parallel::ForkManager 模块。

下载安装 perl 的 Parallel::ForkManager 模块：

wget   https://cpan.metacpan.org/authors/id/Y/YA/YANICK/Parallel-ForkManager-2.02.tar.gz

tar    zxvf   Parallel-ForkManager-2.02.tar.gz

perl   MANIFEST   INSTALL_BASE=/home/xx/

make

make   install

将路径添加到  ~/.bashrc  中的环境变量：

export   PERL5LIB=/home/xx/lib/perl5:$PERL5LIB

就 ok 了。

环境依赖

软件的运行需要提前安装好 DIAMOND 和 BLAST。

## 安装 DIAMOND 

wget http://github.com/bbuchfink/diamond/releases/download/v2.0.8/diamond-linux64.tar.gz

tar xzf diamond-linux64.tar.gz

## 高版本的软件需要 GLIBC_2.17，系统上没有该版本，低版本的软件没有这个问题。

## 安装 BLAST

wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/legacy.NOTSUPPORTED/2.2.18/blast-2.2.18-x64-linux.tar.gz 

tar xvfz blast-2.2.18-x64-linux.tar.gz

软件运行

## 运行示例文件，全部使用默认参数

perl   inparanoid.pl   -input-dir   ./testInput/

可选参数：

- f1                物种 A 的蛋白质序列的 FASTA 文件。

- f2                物种 B 的蛋白质序列的 FASTA 文件。

- outgroup     作为外类群的物种 C 的蛋白质序列的 FASTA 文件（可选，默认无）.

- input-dir        包含多个物种蛋白质序列的 FASTA 文件的目录。将运行所有物种之间的比对。如果使用了此选项，则将 -f1 和 -f2 留空。

- out-dir        指定输出文件的目录.

- seq-tool        用于序列相似性比对的工具。可选项为 Diamond 或 Blast（默认为 Diamond）。

- 2pass        运行两遍比对策略。不适用于 Diamond，但推荐用于 Blast（默认为 False）。

- bootstrap        运行引导法以估计正交基因的置信度（默认为 False）。

- seedscore        计算 seedscore 以估计正交基因的置信度（默认为 False）。

- score-cutoff        设置位分数阈值。任何低于此分数的匹配将被忽略（默认为 40）。

- seq-cutoff        设置序列重叠阈值。匹配区域应至少覆盖较长序列的此部分。匹配区域是从第一个片段的开始到最后一个片段的结束（默认为 0.5）。

- seg-cutoff        设置片段覆盖率阈值。匹配片段必须覆盖较长序列的此部分（默认为 0.25）。

- conf-cutoff        置信度阈值。在这个置信度或更高的情况下，将包括内源同源基因。默认值为 0.05。

- grp-cutoff        组重叠阈值。如果一个组中的正交基因在另一个组中的置信度超过此值，那么这两个组将被合并。默认值为 0.5。

- sensitivity    Diamond 的敏感度设置。Diamond 提供了多种敏感度模式，可以根据具体需求选择。可选项包括 mid-sensitive（中等敏感度）、sensitive（敏感度）、more-sensitive（更高敏感度）、very-sensitive（非常敏感度）和 ultra-sensitive（超敏感度）。默认值为 very-sensitive。

结果文件

SQLtable 文件以制表符分割，每行是一个蛋白序列，每一列内容分别是：

Group-id      Score    Species   Confidence-score    Protein-name

序列分析原始文件：

ProteinA      ProteinB     Score     LengthA     LengthB      Length-MatchingRegionA      Length-MatchingRegionB      Total-Length-of-MatchA     Total-Length-of-MatchB     Location-of-Matches