Skip to content

戊糖乳杆菌泛基因组分析 | Pan-genome analysis of Lactobacillus Pentosus

License

Notifications You must be signed in to change notification settings

llxlr/Lactobacillus_Pentosus_Pangenome

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

26 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

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。localhost127.0.0.1都能本地访问
  • --title:项目名称

更多