41、OrthoMCL和mcl軟件進行基因家族分析
轉載：http://www.realbio.cn/news/124.html
https://blog.csdn.net/seallama/article/details/43820763
http://www.cnblogs.com/huangying78/p/8638506.html
1. 數據庫的配置
OrthoMCL的分析需要先行建立mysql賬戶並建立相應的數據庫。關於mysql用戶的創建我們不在此進行介紹，我們以已經建立好的賬戶（賬戶名user，密碼123456）為例進行操作。
A. 在linux環境下輸入mysql -uuser -p123456進入mysql界面；
B. 輸入create database orthomcl;建立一個名為orthomcl的空數據庫用以存放分析時的中間文檔；
C. 輸入\q退出mysql界面。
2 軟件下載
OrthoMCL的分析需要OrthoMCL軟件本體和mcl軟件。
OrthoMCL軟件下載地址為：http://orthomcl.org/common/downloads/software/，解壓縮後，其中包含文件夾:bin、config、doc、lib四個文件夾，添加bin路徑為環境變量
mcl軟件下載地址為：http://www.micans.org/mcl/src/mcl-latest.tar.gz；下載後使用：’./configure && make && make install’安裝即可。包含發的文件是bin 、share。
3 配置OrthoMCL軟件
進入安裝路徑下，輸入：cp~/orthomclSoftwarev2.0.9/doc/OrthoMCLEngine/Main/orthomcl.config.template ~/example，將~/orthomcl.config.template拷貝到工作目錄（以~/example為例）中，該文件為OrthoMCL的配置文件，以使用mysql數據庫為例，其中的內容如下：cat orthomcl.config.template
dbVendor=mysql #使用的數據庫為mysql
dbConnectString=dbi:mysql:orthomcl #使用之前建立的名為orthomcl的數據庫
dbLogin=user #創建的用戶名
dbPassword=123 #密碼
similarSequencesTable=SimilarSequences #
orthologTable=Ortholog
inParalogTable=InParalog
coOrthologTable=CoOrtholog
interTaxonMatchView=InterTaxonMatch
percentMatchCutoff=50
evalueExponentCutoff=-5
oracleIndexTblSpc=NONE
4 分析過程
4.1 輸入文件格式轉化
orthomcl的輸入文件為fasta格式的基因或蛋白序列，fasta文件的序列名稱要求以樣品名開頭之後接’|’分隔，之後接每個樣品的序列名（如例1），而且樣品名和序列名不能有重復。
命令：orthomclAdjustFasta程序，將fasta文件轉換出兼容orthomcl的fasta文件使用命令：（1）orthomclAdjustFasta A(B,ref) X1(X2,X3).fa 1，結果輸出為A(B，ref).fasta。（單個跑完再合並）。本文生成樣品A，B和參考序列ref為例，在compliantFasta文件夾中的序列文件名分別為：A.fa,b.fa,ref.fa。
例1：
>A|gene1
ASSRKSKWQFMGARDAGAKDELRQVYGVSERTESDGAANLIHKLRAINYTLAELGQWCAYKVGQSFLSAL
>B|contig1
KDELRQVYGVSERTESD
4.2 輸入文件合並過濾
使用命令：orthomclFilterFasta compliantFasta/ 10 20。允許的最短的protein長度是10，stop codons最大比例為20%；生成了兩個文件（2）goodProteins.fasta和poorProteins.fasta兩個文
4.3 全序列比對
將上一步的goodProteins.fasta序列進行自身的多序列比對，比對使用軟件為blast+，輸出結果為all.m8.anno。文件太大可以拆分比對，最後合並
/share/nas2/genome/bin//blastall -b 1000 -v 1000 -a 2 -p blastp -e 1e-5 -F F -d goodProteins.fasta -i goodProteins.fasta.div1/goodProteins.fasta.f2.106.seq -o /goodProteins.fasta.div1/goodProteins.fasta.f2.106.seq.blast -m 8
cat goodProteins.fasta.f2.*.seq.blast >（3）all_VS_all.out.tab 還可以去除重復（一列，二列）最後獲得 （4）all_VS_all.result
4.4 導入比對結果
將比對結果導入mysql數據庫，包含以下幾個步驟：
A. 將比對結果轉化為規定格式，命名為similarSequences.txt，命令為：（5）orthomclBlastParser all_VS_all.result seq > similarSequences.txt
B. 將similarSequences.txt導入到數據庫中，命令為：orthomclLoadBlast orthomcl.config.template similarSequences.txt
4.5 尋找paired蛋白
輸入為數據庫中的表SimilarSequences，和數據庫的空表InParalog, Ortholog, CoOrtholog tables；輸出為對這些空表的操作，命令為：orthomclPairs orthomcl.config.template orthomcl_pairs.log cleanup=no。
4.6 將數據從mysql導出
生成（6）mcllnput文件和pairs目錄。這個目錄包含三個文件:
ortholog.txt, coortholog.txt, inparalog.txt。
每一個文件有三列: proteinA, protein B, their normalized score (See the Orthomcl Algorithm Document)。
命令為：orthomclDumpPairsFiles orthomcl.config.template。
4.7 使用mcl對paired蛋白聚類
命令為：mcl mclInput --abc -I 1.5 -o （7） mclOutput。
4.8 對結果編號
命令為：orthomclMclToGroups gf 1 < mclOutput > （8）groups.txt。家族名為gf_1，gf_2，gf_3...，格式如圖2 。
41、OrthoMCL和mcl軟件進行基因家族分析