20191006_OrthoFinder鉴定同源家族蛋白

（1）同源蛋白是在不同物种中具有相同起源的蛋白质，它们在进化过程中可能会发生一些变化，但仍保留了相同的功能。因此，鉴定同源蛋白可以帮助我们研究不同物种之间的演化关系、了解蛋白质的结构和功能、预测基因功能以及设计药物靶点等。在基因组学、系统生物学、比较基因组学、药物研发等领域，鉴定同源蛋白都是非常重要的一步。例如，可以利用鉴定出的同源蛋白构建蛋白质家族的进化树，推断出不同物种的演化关系和基因家族的扩张、收缩等进化过程；还可以利用同源蛋白的结构和功能信息，进行药物分子的设计、筛选和优化，以及分析蛋白质结构和功能的演化规律等。因此，鉴定同源蛋白在生命科学和医学研究中具有广泛的应用价值。综上所述，OrthoFinder可以帮助进行基因家族鉴定、功能注释、进化关系研究和基因家族缩减等方面的工作，从而为合成生物学研究提供重要的支持。

（2）OrthoFinder是一种用于识别同源蛋白的软件，其使用的算法基于全基因组比对。以下是OrthoFinder用于鉴定同源蛋白的方法：

• 预处理：OrthoFinder会将输入的多个基因组的蛋白质序列进行预处理，去除重复序列和低复杂度区域，并使用blastp算法将所有序列两两比对，计算相似度。
  
• 群组构建：接下来，OrthoFinder将所有序列根据相似度进行聚类。如果两个序列的相似度超过给定的阈值，则它们将被分为同一个群组。这个过程会构建一组可能的同源蛋白。
  
• 迭代优化：OrthoFinder将使用多序列比对算法对每个群组的序列进行多序列比对，并将比对结果作为输入重新进行聚类。这个过程会进行多轮迭代，直到每个群组内的序列都达到最优比对状态为止。
  
• 后处理：最后，OrthoFinder会对所有群组进行后处理，去除可能的假阳性，生成最终的同源蛋白族群。
  

总之，OrthoFinder通过将多个物种的蛋白质序列进行聚类和多序列比对，来鉴定可能的同源蛋白。这个方法可以在大规模基因组比对的情况下高效准确地识别同源蛋白。

（3）OrthoFinder安装

conda方法安装：
conda create -n orthofinder python=3.6
conda activate orthofinder
conda install -c conda-forge orthofinder

docker方法安装：
docker pull  davidemms/orthofinder

安装完成后，可以使用以下命令测试OrthoFinder是否成功安装：
orthofinder --help
docker run -it  davidemms/orthofinder  orthofinder --help

（4）分别下载不同物种蛋白质序列

下载人的所有蛋白序列，并命名为human.protein.fasta

下载果蝇的所有蛋白序列，并命名为drosophila.protein.fasta

（5）OrthoFinder鉴定人与果蝇之间同源蛋白家族

orthofinder -f input_folder -S diamond -M msa -T fasttree -t 8
或
docker run  -v /var/run/docker.sock:/var/run/docker.sock -v `pwd`:/data -w /data  davidemms/orthofinder   orthofinder -f input_folder/ -S diamond  -t 50   

其中，-f 指定了FASTA文件夹路径，input_folder是一个文件夹名称，里面包含果蝇与人的蛋白质序列文件（human.protein.fasta和drosophila.protein.fasta）， -S选项指定了使用Diamond代替BLAST进行序列相似性比对，-M选项指定了使用MAFFT代替MUSCLE进行多序列比对，-T选项指定了使用FastTree代替RAxML进行基因树构建，-t选项指定了线程数为8。

OrthoFinder还提供了许多其他的选项和参数，可以根据具体的分析目的和数据特点进行调整。例如：

• -e选项可以指定e-value阈值用于控制序列相似性比对的严格程度；
• -s选项可以指定基因族群中最少包含多少个物种的基因才算有效；
• -M选项还可以选择使用MUSCLE或者PRANK进行多序列比对；
• -A选项可以进行基因家族的进化分析等。

（6）OrthoFinder鉴定结果(同源蛋白家族鉴定结果保存于Orthogroups文件夹下的Orthogroups.tsv文件中)：

ls -lhtr
总用量 64K
drwxr-xr-x 2 root root  12K 2月  24 03:52 Orthogroup_Sequences
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Single_Copy_Orthologue_Sequences
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Orthogroups
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Species_Tree
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Phylogenetic_Hierarchical_Orthogroups
drwxr-xr-x 4 root root 4.0K 2月  24 03:52 Orthologues
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Putative_Xenologs
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Resolved_Gene_Trees
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Gene_Trees
drwxr-xr-x 4 root root 4.0K 2月  24 03:52 WorkingDirectory
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Gene_Duplication_Events
drwxr-xr-x 2 root root 4.0K 2月  24 03:52 Comparative_Genomics_Statistics
-rw-r--r-- 1 root root  548 2月  24 03:52 Log.txt
-rw-r--r-- 1 root root 2.5K 2月  24 03:52 Citation.txt



ls -lhtr Orthogroups
总用量 56K
-rw-r--r-- 1 root root  22K 2月  24 03:52 Orthogroups.txt
-rw-r--r-- 1 root root 7.9K 2月  24 03:52 Orthogroups_UnassignedGenes.tsv
-rw-r--r-- 1 root root  15K 2月  24 03:52 Orthogroups.tsv
-rw-r--r-- 1 root root 1.9K 2月  24 03:52 Orthogroups.GeneCount.tsv
-rw-r--r-- 1 root root   59 2月  24 03:52 Orthogroups_SingleCopyOrthologues.txt



head Orthogroups/Orthogroups.tsv
Orthogroup      human.protein   drosophila.protein
OG0000000       rna-XM_044470426.1&gene=LOC123046963, rna-XM_044470434.1&gene=LOC123046963, rna-XM_044470438.1&gene=LOC123046963, rna-XM_044470450.1&gene=LOC123046963, rna-XM_044470458.1&gene=LOC123046963, rna-XM_044570131.1&gene=LOC123150297, rna-XM_044570132.1&gene=LOC123150297, rna-XM_044570133.1&gene=LOC123150297, rna-XM_044570134.1&gene=LOC123150297, rna-XM_044570135.1&gene=LOC123150297, rna-XM_044570136.1&gene=LOC123150297, rna-XM_044570137.1&gene=LOC123150297, rna-XM_044570138.1&gene=LOC123150297, rna-XM_044570139.1&gene=LOC123150297, rna-XM_044570140.1&gene=LOC123150297, rna-XM_044570141.1&gene=LOC123150297, rna-XM_044570142.1&gene=LOC123150297, rna-XM_044570143.1&gene=LOC123150297, rna-XM_044570144.1&gene=LOC123150297, rna-XM_044570145.1&gene=LOC123150297, rna-XM_044570146.1&gene=LOC123150297, rna-XM_044570147.1&gene=LOC123150297, rna-XM_044570148.1&gene=LOC123150297, rna-XM_044570149.1&gene=LOC123150297, rna-XM_044570150.1&gene=LOC123150297, rna-XM_044570151.1&gene=LOC123150297, rna-XM_044572580.1&gene=LOC123153472
OG0000001               XP_002371192.1, XP_002903649.1, XP_003880222.1, XP_004831514.1, XP_005536433.1, XP_005708237.1, XP_005823293.1, XP_005855296.1, XP_008862323.1, XP_008862324.1, XP_008880530.1, XP_008894637.1, XP_008894637.1, XP_008914912.1, XP_009689403.1, XP_009843980.1, XP_012209195.1, XP_012647743.1, XP_012768261.1, XP_013337795.1
OG0000002       rna-XM_044470362.1&gene=LOC123046927, rna-XM_044470363.1&gene=LOC123046927, rna-XM_044470364.1&gene=LOC123046927, rna-XM_044470365.1&gene=LOC123046927, rna-XM_044470366.1&gene=LOC123046927, rna-XM_044470367.1&gene=LOC123046927, rna-XM_044470368.1&gene=LOC123046927, rna-XM_044470369.1&gene=LOC123046927, rna-XM_044470370.1&gene=LOC123046927, rna-XM_044470372.1&gene=LOC123046927, rna-XM_044470373.1&gene=LOC123046927, rna-XM_044470374.1&gene=LOC123046927, rna-XM_044470375.1&gene=LOC123046927, rna-XM_044470376.1&gene=LOC123046927, rna-XM_044470377.1&gene=LOC123046927, rna-XM_044470378.1&gene=LOC123046927, rna-XM_044470379.1&gene=LOC123046927, rna-XM_044470380.1&gene=LOC123046927, rna-XM_044554646.1&gene=LOC123135543
OG0000003       rna-XM_044467245.1&gene=LOC123044488, rna-XM_044467249.1&gene=LOC123044488, rna-XM_044467252.1&gene=LOC123044488, rna-XM_044467257.1&gene=LOC123044488, rna-XM_044467264.1&gene=LOC123044488, rna-XM_044467272.1&gene=LOC123044488, rna-XM_044467279.1&gene=LOC123044488, rna-XM_044467288.1&gene=LOC123044488, rna-XM_044467295.1&gene=LOC123044488, rna-XM_044467303.1&gene=LOC123044488, rna-XM_044467312.1&gene=LOC123044488  NP_001345214.1
OG0000004               NP_001103085.1, NP_001155059.1, NP_002094.2, NP_037221.2, NP_068776.2, NP_109603.2, NP_663547.2, XP_006507020.1, XP_006719126.1, XP_011239885.1, XP_016874734.1, XP_024304728.1
OG0000005       rna-XM_044576520.1&gene=LOC123158607, rna-XM_044576521.1&gene=LOC123158607, rna-XM_044576522.1&gene=LOC123158607, rna-XM_044576523.1&gene=LOC123158607, rna-XM_044576524.1&gene=LOC123158607, rna-XM_044576525.1&gene=LOC123158607, rna-XM_044576526.1&gene=LOC123158607, rna-XM_044576527.1&gene=LOC123158607, rna-XM_044576528.1&gene=LOC123158607, rna-XM_044578150.1&gene=LOC123160343, rna-XM_044578151.1&gene=LOC123160343
OG0000006       rna-XM_044581870.1&gene=LOC123164410, rna-XM_044581871.1&gene=LOC123164410, rna-XM_044581872.1&gene=LOC123164410, rna-XM_044581874.1&gene=LOC123164410, rna-XM_044581875.1&gene=LOC123164410, rna-XM_044581876.1&gene=LOC123164410, rna-XM_044581877.1&gene=LOC123164410, rna-XM_044581878.1&gene=LOC123164410, rna-XM_044581879.1&gene=LOC123164410, rna-XM_044581880.1&gene=LOC123164410
OG0000007       rna-XM_044546874.1&gene=LOC123127256, rna-XM_044546875.1&gene=LOC123127256, rna-XM_044546876.1&gene=LOC123127256, rna-XM_044546877.1&gene=LOC123127256, rna-XM_044546878.1&gene=LOC123127256, rna-XM_044546879.1&gene=LOC123127256, rna-XM_044546880.1&gene=LOC123127256, rna-XM_044546881.1&gene=LOC123127256, rna-XM_044546882.1&gene=LOC123127256
OG0000008               NP_000603.1, NP_001007140.2, NP_001025513.1, NP_001121070.1, NP_001177091.1, NP_001278790.1, NP_001278791.1, NP_113699.2, XP_038952306.1