Lactobacillus Pentosus Pangenome

戊糖乳杆菌泛基因组分析

工作流程

1. 下载、解压序列文件：

$ cd ./sequence/origin/
$ wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/003/641/185/GCA_003641185.1_ASM364118v1/GCA_003641185.1_ASM364118v1_genomic.fna.gz -O DSM20314.fna.gz
$ wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/002/850/015/GCA_002850015.1_ASM285001v1/GCA_002850015.1_ASM285001v1_genomic.fna.gz -O BGM48.fna.gz
$ wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/003/627/295/GCA_003627295.1_ASM362729v1/GCA_003627295.1_ASM362729v1_genomic.fna.gz -O ZFM222.fna.gz
$ wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/003/627/375/GCA_003627375.1_ASM362737v1/GCA_003627375.1_ASM362737v1_genomic.fna.gz -O ZFM94.fna.gz
$ wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/002/211/885/GCA_002211885.1_ASM221188v1/GCA_002211885.1_ASM221188v1_genomic.fna.gz -O SLC13.fna.gz
$ for file in *.fna.gz;do gzip -d $file;done # 解压
$ cd -

2. 格式化FASTA序列文件为Contig叠连群序列文件

根据长度或给定的定义列表删除叠连群，以更简单的名称生成输出

$ for file in ./sequence/origin/*.fna;do
> anvi-script-reformat-fasta ${file} -o \
> $(echo ${file} | sed 's/origin/contigs/g' | sed 's/\.fna/\.contig\.fna/g') \
> --simplify-name
> done

• -o：指定输出文件名称
• --simplify-name：顾名思义就是以更简单的名称输出

3. 生成Contig叠连群数据库

叠连群数据库将保留与叠连群相关的所有信息：开放阅读框的位置，每个叠连群的K-MER频率，其中拆分开始和结束，功能和基因的分类注释等。

$ for file in ./sequence/contig/*.contig.fna;do
> anvi-gen-contigs-database -f ${file} -o \
> $(echo ${file}|sed 's/sequence\/contig/databases/g'|sed 's/\.contig\.fna/.db/g'|sed 's/ //g')
> -n "Lactobacillus Pentosus Pangenome"
> done

• -o：指定输出文件名称
• -n：指定项目名称

4. hmms搜索和鉴定单拷贝基因

HMM：隐马尔科夫模型。它使用HMMER识别用户基因中与多个默认的细菌单拷贝核心基因集合的命中率。

$ for file in ./databases/*.db;do
> anvi-run-hmms -c ${file} \
>               -T 10 \
>               --just-do-it \
>               --queit
> done

• -T：指定线程数
• --just-do-it：如果存在运行过hmms的数据库，会强制再次重新执行
• --queit：静默运行命令

5.数据库迁移

$ anvi-migrate --migrate-dbs-safely ./databases/*.db

6. 生成基因组存储

$ anvi-gen-genomes-storage -e ./databases/external-genomes.csv -o ./databases/LP-GENOMES.db

• -e：指定外部基因组文件
• -o：指定输出基因组存储文件

7. 运行泛基因组分析

$ anvi-pan-genome -g .databases/LP-GENOMES.db \
                  -n "Lactobacillus_Pentosus_Pangenome" \
                  -o LP \
                  -T 10 \
                  --minbit 0.5 \
                  --mcl-inflation 10 \
                  --use-ncbi-blast

• -n：指定项目名称
• -o：指定输出目录名称
• -T：指定线程数
• --minbit：使用最初在ITEP中实现的最小位启发式算法来消除两个氨基酸序列之间的弱匹配，默认最小位为0.5。
• --mcl-inflation：使用MCL算法在氨基酸序列相似性搜索结果中识别簇。若比较许多远缘基因组（即基因组分为不同家族或更远的基因组），使用2，若比较非常密切相关的基因组（相同物种的菌株），则使用10。
• --use-ncbi-blast：使用NCBI的blastp进行氨基酸序列相似性搜索。

8. 数据可视化

如果运行过前面所有步骤，可以直接运行可视化。

$ anvi-display-pan -g ./databases/LP-GENOMES.db \
                   -p LP/Lactobacillus_Pentosus_Pangenome-PAN.db \
                   -I localhost \
                   --title "Lactobacillus Pentosus Pangenome"

• -g：指定基因组存储文件
• -p：指定运行泛基因组分析后的数据库文件
• -I：指定访问地址。localhost或127.0.0.1都能本地访问
• --title：项目名称

更多

• Anvi’o折腾记录和学习