DupGen_finder v1.0.0安装与使用--生信工具092

DupGen_finder

软件依赖 perl

安装教程

复制代码

cd ~/software  # 可自定义安装目录
git clone https://github.com/qiao-xin/DupGen_finder.git
cd DupGen_finder
make
sh add_PATH_to_bash.sh
source ~/.bashrc

验证安装：

在终端输入命令测试程序能否正常调用

复制代码

DupGen_finder.pl

正常输出程序帮助文档即安装成功。

注意DupGen_finder 内置定制版 MCScanX 算法，可输出排序后的基因位置文件（如 Ath.gff.sorted），与原版 MCScanX 软件中的算法存在小幅改动。

输入文件准备

运行 DupGen_finder 需要提前准备 outfmt6 格式 BLAST 结果、制表符分隔的基因位置 GFF 文件。

以待分析物种（目标物种）区分，需准备两类文件：

目标物种自身分析文件

target_species.gff：目标物种基因位置文件（制表分隔，示例：Ath.gff）
target_species.blast：目标物种蛋白自比对 blastp 结果（outfmt 6 格式，全基因组自比对，示例：Ath.blast）

外类群物种关联文件

$目标物种$ _ $外类群$ .gff：目标 + 外类群合并基因位置文件
$目标物种$ _ $外类群$ .blast：两物种跨物种蛋白比对 blastp 结果（outfmt 6）

举例：拟南芥 (Ath) 为目标物种、莲 (Nnu) 作为外类群，一共准备 4 个输入文件：Ath.gff、Ath.blast、Ath_Nnu.gff、Ath_Nnu.blast

1. GFF 基因位置文件格式（制表符分隔）

字段：物种缩写 - 染色体 ID｜基因 ID｜基因起始｜基因终止示例（Ath.gff）

复制代码

Ath-Chr1	AT1G01010.1	3631	5899
Ath-Chr1	AT1G01020.1	5928	8737
Ath-Chr1	AT1G01030.1	11649	13714
Ath-Chr1	AT1G01040.2	23416	31120
Ath-Chr1	AT1G01050.1	31170	33153

合并两物种 GFF 命令：

复制代码

cat Ath.gff Nnu.gff >Ath_Nnu.gff

合并后文件同时包含拟南芥、莲的基因坐标信息。

2. BLAST 结果文件（outfmt6 标准格式）

字段：查询序列 ID｜比对序列 ID｜相似度｜比对长度｜错配数｜空位起始｜查询起始｜查询终止｜模板起始｜模板终止｜E 值｜打分示例（Ath.blast）

复制代码

ATCG00500.1	ATCG00500.1	100.00	488	0	0	1	488	1	488	0.0	 932
ATCG00510.1	ATCG00510.1	100.00	37	0	0	1	37	1	37	2e-19	73.9

生成 blast 结果两种方案

方案 1：原生 BLAST+

复制代码

# 建蛋白库
makeblastdb -in Ath.pep -dbtype prot -title Ath -parse_seqids -out Ath
# 自比对
blastp -query Ath.pep -db Ath -evalue 1e-10 -max_target_seqs 5 -outfmt 6 -out Ath.blast

方案 2：DIAMOND 加速比对

复制代码

# 建库
diamond makedb --in Ath.pep -d Ath
# 蛋白比对
diamond blastp -d Ath -q Ath.pep -o Ath.blast -p 20 --sensitive --max-target-seqs 5 --evalue 1e-10 --quiet

备注：所有输入文件必须放在同一个文件夹（-i参数指定目录）。

软件运行

查看帮助文档：

复制代码

DupGen_finder.pl

基础用法

复制代码

DupGen_finder.pl -i 数据目录 -t 目标物种缩写 -c 外类群缩写 -o 输出目录

可选参数

-a 1/0：串联重复区段是否为祖先位点，默认 1（是）
-d 数字：判定邻近复制的最大间隔基因数，默认 10

MCScanX 内嵌可调参数

-k：共线性区块得分阈值，默认 50
-g：空位罚分，默认 - 1
-s：构成共线性区块最少基因数，默认 5
-e：比对显著性 E 值阈值，默认 1e-5
-m：共线性允许最大空位数目，默认 25
-w：合并 blast 匹配的基因间隔窗口，默认 5

运行示例

复制代码

DupGen_finder.pl -i data -t Ath -c Nnu -o results

含义：以莲 (Nnu) 为外类群，解析拟南芥 (Ath) 各类复制基因，输入文件存于 data，结果输出至 results。

建议输入、输出目录填写绝对路径（如 /home/xxx/data）。

去冗余版本 DupGen_finder-unique

功能：同一基因仅归属唯一复制类型，优先级：全基因组复制 (WGD)＞串联复制 (TD)＞邻近复制 (PD)＞转座复制 (TRD)＞散在复制 (DSD)

复制代码

DupGen_finder-unique.pl -i data -t Ath -c Nnu -o results

结果文件说明

1. 五类复制基因对文件

复制代码

Ath.wgd.pairs      # WGD全基因组复制基因对
Ath.tandem.pairs   # TD串联复制基因对
Ath.proximal.pairs # PD邻近复制基因对
Ath.transposed.pairs # TRD转座复制基因对
Ath.dispersed.pairs  # DSD散在复制基因对

格式：基因 1｜位置｜基因 2｜位置｜E 值

复制代码

AT1G01010.1	Ath-Chr1:3631	AT4G01550.1	Ath-Chr4:673862	5e-52

2. Ath.singletons

物种内无同源基因的单拷贝基因列表字段：基因 ID｜染色体位置

3. Ath.stats

各类复制基因对数量统计表

复制代码

Types	NO. of gene pairs
WGD-pairs	4352
TD-pairs	2063
PD-pairs	788
TRD-pairs	4447
DSD-pairs	16130

4. 共线性区块文件

Ath.collinearity：目标物种自身共线性区块
Ath_Nnu.collinearity：目标 - 外类群跨物种共线性区块

关键名词汇总

WGD：Whole-genome duplication 全基因组复制TD：Tandem duplication 串联复制PD：Proximal duplication 邻近复制TRD：Transposed duplication 转座型复制DSD：Dispersed duplication 散在复制