macでインフォマティクス

macでインフォマティクス

NGS関連のインフォマティクス情報についてまとめています。

オルソログを探す OrthoFinder

2019 11/3 condaインストール追記

2019 11/24 help追記

 

 

 配列間の相同性関係を同定することは生物学的研究にとって基本である。 ここで本著者らはオルソロググループ推論アルゴリズムにおける以前には検出されていない遺伝子長バイアスを解決するOrthoFinderと呼ばれる新規なアルゴリズムを提供する。この結果、精度が著しく改善される。 実際のベンチマークデータセットを使用して、OrthoFinderが他の推論法よりも8%から33%正確であることを示す。 さらに、本発明者らは、植物中の転写因子遺伝子ファミリーの完全な分類を提供することによってOrthoFinderの有用性を実証し、これまでに観察されていない690万の関係を明らかにする。

 

 公式のGithubにとても丁寧な説明があるので、そちらをご覧ください。 

OrthoFinder/OrthoFinder-manual.pdf at master · davidemms/OrthoFinder · GitHub

簡単に言えば、blastを全部のfaaファイルに対して実行して(BLAST all-versus-all)、それでオーソロガスなタンパク質を検出している。そのため、比較するfaaファイルの数に応じて計算時間が累乗で増えていく。

 

OrthoFinder公式サイト

http://www.stevekellylab.com/software/orthofinder

 

 

インストール

依存

condaやbrewを使わない場合、1つずつ導入する。

  • fastme #ここからbinaryダウンロード。
chmod u+x fastme-2.1.5/binaries/fastme-2.1.5-osx #実行権
mv fastme-2.1.5-osx fastme #rename
#パスを通すかパスが通っている場所に移動。
  • pythonの依存 #ない人だけ
pip install numpy
pip install Shapely
pip install Matplotlib
#dlcpar-1.0.tarを解凍して中に入る。
sudo python setup.py install
  • MCL
brew install MCL

本体 Github (ソースコードにexampleデータもあり)

#bioconda (link)python2.7
conda install orthofinder -c bioconda -y


#homebrew
brew
install OrthoFinder

orthofinder

$ orthofinder 

 

OrthoFinder version 2.3.3 Copyright (C) 2014 David Emms

 

SIMPLE USAGE:

Run full OrthoFinder analysis on FASTA format proteomes in <dir>

  orthofinder [options] -f <dir>

 

Add new species in <dir1> to previous run in <dir2> and run new analysis

  orthofinder [options] -f <dir1> -b <dir2>

 

OPTIONS:

 -t <int>          Number of parallel sequence search threads [Default = 12]

 -a <int>          Number of parallel analysis threads [Default = 1]

 -M <txt>          Method for gene tree inference. Options 'dendroblast' & 'msa'

                   [Default = dendroblast]

 -S <txt>          Sequence search program [Default = diamond]

                   Options: blast, mmseqs, blast_gz, diamond

 -A <txt>          MSA program, requires '-M msa' [Default = mafft]

                   Options: muscle, mafft

 -T <txt>          Tree inference method, requires '-M msa' [Default = fasttree]

                   Options: iqtree, raxml-ng, fasttree, raxml

 -s <file>         User-specified rooted species tree

 -I <int>          MCL inflation parameter [Default = 1.5]

 -x <file>         Info for outputting results in OrthoXML format

 -p <dir>          Write the temporary pickle files to <dir>

 -1                Only perform one-way sequence search 

 -X                Don't add species names to sequence IDs

 -n <txt>          Name to append to the results directory

 -o <txt>          Non-default results directory

 -h                Print this help text

 

WORKFLOW STOPPING OPTIONS:

 -op               Stop after preparing input files for BLAST

 -og               Stop after inferring orthogroups

 -os               Stop after writing sequence files for orthogroups

                   (requires '-M msa')

 -oa               Stop after inferring alignments for orthogroups

                   (requires '-M msa')

 -ot               Stop after inferring gene trees for orthogroups 

 

WORKFLOW RESTART COMMANDS:

 -b  <dir>         Start OrthoFinder from pre-computed BLAST results in <dir>

 -fg <dir>         Start OrthoFinder from pre-computed orthogroups in <dir>

 -ft <dir>         Start OrthoFinder from pre-computed gene trees in <dir>

 

LICENSE:

 Distributed under the GNU General Public License (GPLv3). See License.md

 

CITATION:

 When publishing work that uses OrthoFinder please cite:

 Emms D.M. & Kelly S. (2015), Genome Biology 16:157

 

 If you use the species tree in your work then please also cite:

 Emms D.M. & Kelly S. (2017), MBE 34(12): 3267-3278

 Emms D.M. & Kelly S. (2018), bioRxiv https://doi.org/10.1101/267914

 

 

 

テストラン

 ソースコードの中のテストデータを実行。4生物のタンパク質データ (.faa) がある。

git clone https://github.com/davidemms/OrthoFinder.git
cd OrthoFinder/
orthofinder -f Tests/Input/ExampleDataset -t 8

Statistics_Overall.csvに結果がまとめられている。 

kazumaxneo$ column -t -s',' Results_Aug01/Statistics_Overall.csv |head -20

Number of genes 2733

Number of genes in orthogroups 1938

Number of unassigned genes 795

Percentage of genes in orthogroups 70.9

Percentage of unassigned genes 29.1

Number of orthogroups 536

Number of species-specific orthogroups 7

Number of genes in species-specific orthogroups 102

Percentage of genes in species-specific orthogroups 3.7

Mean orthogroup size 3.6

Median orthogroup size 4.0

G50 (assigned genes) 4

G50 (all genes) 4

O50 (assigned genes) 199

O50 (all genes) 298

Number of orthogroups with all species present 278

Number of single-copy orthogroups 254

Date 2017-08-01

Orthogroups file Orthogroups.csv

Unassigned genes file Orthogroups_UnassignedGenes.csv

 2733遺伝子のうち1938でオルソログが見つかったと出ている。

(全遺伝子数を数えるなら grep -n ">" ExampleDataset/* |wc -l 

 

 

引用

OrthoFinder: solving fundamental biases in whole genome comparisons dramatically improves orthogroup inference accuracy

David M. Emms and Steven Kelly

Genome Biol. 2015; 16(1): 157. Published online 2015 Aug 6.

 

OrthoFinder の使い方 - Qiita

 

OrthoFinderを用いたOrthologous解析 - Qiita

 

*

"-t 8"での計算時間は、バクテリアのfaaファイル5つで30分くらいかかった(mac pro 2009使用)。