利用单拷贝直系同源基因进行构树

1.什么是单拷贝直系同源基因？

单拷贝，即指物种内具有行使相似功能的基因只有一个；直系同源，即指不同物种间具有行使形似功能、序列一致度较高的基因；合起来就是物种间具有相似功能，一致度较高的唯一的基因。举个例子，假设物种A中的基因A可以合成叶绿素，而物种B中的基因B也可以合成叶绿素，两者序列比对有较高的一致度，如果行使功能的基因A和基因B在物种A和物种B中是唯一的，没有其他基因可以取代它们的功能和没有高的同源性，那基因A和基因B就是单拷贝直系同源基因。

直系同源（Orthologs）是指来自于不同物种的由垂直家系，也就是物种形成，进化而来的基因，并且典型的保留与原始基因相同的功能。也就是说，随着进化分支，一个基因进入了不同的物种，并保留了原有功能。这时，不同物种中的这个基因就属于直系同源。

旁系同源（Paralogs）是指在同一物种中的来源于基因复制的基因，可能会进化出新的但与原功能相关的功能来。

2.单拷贝直系同源基因构建进化树的主要步骤如下。

1. 准备好不同物种的序列文件，预测基因组的蛋白序列 prodigal （已知蛋白序列不用）

2. 单拷贝同源基因搜索 orthofinder

用于分析物种基因组中的单拷贝同源基因

使用命令：orthofinder -t 4 -a 2

分析结果的序列ID重新命名一下，可以用seqkit、TBtools等软件批量操作实现。

3. 拼接 将每个物种的单拷贝直系同源基因拼接成一条新的基因序列

可以用Rstudio、seqkit等软件进行操作，当然或许你有更简便的方法实现拼接。

4. 序列比对 mafft

使用命令：mafft --auto --thread 2 --quiet

5. 修剪 trimal 保留比对结果中的保守区域

使用命令--automated1

6. 建树 iq-tree 用于构建系统发育树，也可以用贝叶斯法建树。

使用命令：-st AA -m MFP -nt 4 -bb 5000 -bnni -pre supergene.iqtree -redo

注：以上大部分分析软件都是Linux系统的。倘若分析的物种数量多且基因组数据又大，则分析过程需要消耗的时间和内存也相应更多，需要等待的时间也更长。