1. 下载软件

				
					git clone https://github.com/tanghaibao/jcvi.git
cd jcvi
conda env create -f environment.yml

2. 准备输入文件

将gff文件转换为jcvi指定的bed文件，我在练习的时候是用3个物种进行联系，所以后续的代码都是以这三个物种的微共线性分析进行的/

				
					python3 -m jcvi.formats.gff bed --type=mRNA Bsap.gff -o Bsap.bed
python3 -m jcvi.formats.gff bed --type=mRNA Daod.gff -o Daod.bed
python3 -m jcvi.formats.gff bed --type=mRNA Dcul.gff -o Dcul.bed

3. 微共线性分析

3.1 鉴定共线性区块

注：要选定一个参考物种，随后其他物种均与参考物种鉴定共线性区块，本次选择的是Daod这个物种。此外，这一步输入文件必须是在当前文件下可以直接找到的.cds和.bed文件的，例如输入的Daod，软件就会在当前文件夹寻找Daod.cds和Daod.bed.

				
					python3 -m jcvi.compara.catalog ortholog Daod Bsap --no_strip_names
python3 -m jcvi.compara.catalog ortholog Daod Dcul --no_strip_names

3.2 提取1对1的共线性区块

				
					python -m jcvi.compara.synteny mcscan Daod.bed Daod.Bsap.lifted.anchors --iter=1 -o Daod.Bsap.block
python -m jcvi.compara.synteny mcscan Daod.bed Daod.Dcul.lifted.anchors --iter=1 -o Daod.Dcul.block

3.3 合并多个物种和参考物种的共线性区块文件

				
					paste Daod.Bsap.block Daod.Dcul.block|cut -f 1,2,4 > Combine.block

3.4 提取目的基因及其前后5个基因

				
					grep -C 5 "Daodo07aG0604400" Combine.block > Daodo07aG0604400.block

3.5 合并所有的bed文件

				
					python -m jcvi.formats.bed merge Daod.bed Bsap.bed Dcul.bed -o Combine.bed

3.6 绘制微共线性图

				
					python -m jcvi.graphics.synteny Daodo07aG0604400.block Combine.bed block.layout --outputprefix Daodo07aG0604400

以下为配置文件“block.layout”的格式

				
					 x,   y, rotation,   ha,     va,   color, ratio,            label
0.5, 0.6,        0, left, center,       m,     1,       Daod
0.5, 0.4,        0, left, center, #fc8d62,     1,       Bsap
0.5, 0.2,        0, left, center, red,     1,       Dcul
# edges
e, 0, 1
e, 1, 2