小马的生信笔记

1. 引言

多个基因组之间的共线性分析和可视化是基因组学重要的分析，目前能够完成上述工作的是Syri＋Plotsr，但其实还有另外一个软件“GenomeSyn” 也能完成这个分析，此外可以添加GC含量、基因密度、TE密度、端粒和着丝粒等信息，对于展示TET基因组的组装于不同版本基因组的比较有很大的利用空间。

2. 软件下载

GenomeSyn主要基于MUMmer的比对结果进行共线性分析，所以除了下载GenomeSyn还需要下载MUMer。

				
					# 下载并安装MUMmer
wget https://github.com/mummer4/mummer/releases/download/v4.0.0beta2/mummer-4.0.0beta2.tar.gz   
tar -xvzf mummer-4.0.0beta2.tar.gz
current_path='pwd'
cd mummer-4.0.0beta2  
./configure --prefix=`pwd`   
make                          
export PATH=$current_path/mummer-4.0.0beta2:$PATH  

# 下载GenomeSyn
git clone https://github.com/JM-SONG/GenomeSyn.git

# 添加GenomeSyn环境变量，只要新打开一个终端，就要运行一次
source ./install.sh

3. 共线性分析并绘图

准备输入文件

1. 基因组文件（必须）
2. 端粒信息文件（可选）
3. 着丝粒信息文件（可选）
4. TE密度信息文件（可选）
5. 基因密度信息文件（可选）
6. GC含量文件（文件）

				
					# 基因组比对
minimap2 quarTeT.genome.filled.fasta Cucumber.CLv4_chr.fa -t 10 > minimap.paf
# 统一同源染色体ID，只需要调整Query的染色体ID和Reference一致即可
python ~/Script/syri/adjust_query_by_paf.py -p minimap.paf -q Cucumber.CLv4_chr.fa -o Rename_Cucumber.CLv4_chr.fa

# -p 比对的paf文件
# -q 需要重命名的基因组文件
# -o 重命名之后的基因组文件

# 排序
seqkit sort -n Rename_Cucumber.CLv4_chr.fa > Sort_Rename_Cucumber.CLv4_chr.fa

接下来准备端粒和着丝粒信息文件，格式如下

Chr12464500026520000.centromere
Chr21933000020545000.centromere
Chr31341500018360000.centromere
Chr41401000017430000.centromere
Chr511941000023560000centromere
Chr612280500029535000centromere
Chr7743500012440000.centromere
Chr11..Telomere
Chr146019285..Telomere
Chr21..Telomere
Chr237962012..Telomere
Chr31..Telomere
Chr337397937..Telomere
Chr41..Telomere
Chr445902961..Telomere
Chr51..Telomere
Chr538999019..Telomere
Chr61..Telomere
Chr642086491..Telomere
Chr71..Telomere
Chr729972313..Telomere

共线性分析并绘图

最简单的运行方式，只提供两个基因组，由GenomeSyn调用MUMmer进行比对，并且绘制共线性图。

				
					GenomeSyn -g1 Rename_Cucumber.CLv4_chr.fa -g2 quarTeT.genome.filled.fasta

由于需要比对，所以运行的时间较长，结束后输出的.pdf和.svg文件就是结果图，.coords就是MUMmer的比对结果，后续运行直接提供.coords即可，可以省去比对的时间。

GenomeSyn还可以对端粒和着丝粒进行可视化。

				
					GenomeSyn -g1 Rename_Cucumber.CLv4_chr.fa -g2 quarTeT.genome.filled.fasta -cf1 MUMmer.delta.filter.coords -cen2  GenomeSyn_centi.bed -tel2 GenomeSyn_telo.bed

# -cf1 MUMmer的比对结果
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息

同样可以提供多个基因组的端粒信息和着丝粒信息并且进行可视化。

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa -cf1 rice_MH63vsZS97.delta.filter.coords -cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed  -o1 Only_genome_add_Telomere_Centromere.svg -cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed

# -cf1 MUMmer的比对结果
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息

继续添加TE密度信息。

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa \
-cf1 rice_MH63vsZS97.delta.filter.coords \
-cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed \
-o1 Only_genome_add_Two_Telomere_Centromere_TE.svg \
-cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed \
-TE1 rice_MH63_repeat.bed -TE2 rice_ZS97_repeat.bed

# -cf1 MUMmer的比对结果  
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息
# -TE1 -g1提供基因组的TE密度信息
# -TE2 -g2提供基因组的TE密度信息

继续添加基因密度信息

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa \
-cf1 rice_MH63vsZS97.delta.filter.coords \
-cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed \
-o1 Only_genome_add_Two_Telomere_Centromere_TE.svg \
-cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed \
-TE1 rice_MH63_repeat.bed -TE2 rice_ZS97_repeat.bed \
-GD1 rice_MH63_nonTEgene.gff3 -GD2 rice_ZS97_nonTEgene.gff3

# -cf1 MUMmer的比对结果  
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息
# -TE1 -g1提供基因组的TE密度信息
# -TE2 -g2提供基因组的TE密度信息
# -GD1 -g1提供基因组的基因密度信息
# -GD2 -g2提供基因组的基因密度信息

继续添加GC含量信息

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa \
-cf1 rice_MH63vsZS97.delta.filter.coords \
-cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed \
-o1 Only_genome_add_Two_Telomere_Centromere_TE.svg \
-cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed \
-TE1 rice_MH63_repeat.bed -TE2 rice_ZS97_repeat.bed \
-GD1 rice_MH63_nonTEgene.gff3 -GD2 rice_ZS97_nonTEgene.gff3 \
-GC1 rice_MH63_GC_10000.bed -GC2 rice_ZS97_GC_10000.bed \
-GC_win 100000

# -cf1 MUMmer的比对结果  
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息
# -TE1 -g1提供基因组的TE密度信息
# -TE2 -g2提供基因组的TE密度信息
# -GD1 -g1提供基因组的基因密度信息
# -GD2 -g2提供基因组的基因密度信息
# -GC1 -g2提供基因组的GC含量信息
# -GC2 -g2提供基因组的GC含量信息
# -GC_win GC含量滑动窗口的最小长度

还可以高亮显示基因组中的PAV和NLR区域，但是可能用到的不是特别多

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa \
-cf1 rice_MH63vsZS97.delta.filter.coords \
-cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed \
-o1 Only_genome_add_Two_Telomere_Centromere_TE.svg \
-cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed \
-TE1 rice_MH63_repeat.bed -TE2 rice_ZS97_repeat.bed \
-GD1 rice_MH63_nonTEgene.gff3 -GD2 rice_ZS97_nonTEgene.gff3 \
-GC1 rice_MH63_GC_10000.bed -GC2 rice_ZS97_GC_10000.bed \
-GC_win 100000 \
-PAV1 rice_MH63_PAV.bed -PAV2 rice_ZS97_PAV.bed \
-NLR1 rice_MH63_NLR.bed -NLR2 rice_ZS97_NLR.bed

# -cf1 MUMmer的比对结果  
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息
# -TE1 -g1提供基因组的TE密度信息
# -TE2 -g2提供基因组的TE密度信息
# -GD1 -g1提供基因组的基因密度信息
# -GD2 -g2提供基因组的基因密度信息
# -GC1 -g2提供基因组的GC含量信息
# -GC2 -g2提供基因组的GC含量信息
# -GC_win GC含量滑动窗口的最小长度
# -PAV1 -g1提供基因组的PAV位置信息
# -PAV2 -g2提供基因组的PAV位置信息
# -NLR1 -g1提供基因组的NLR位置信息
# -NLR2 -g1提供基因组的NLR位置信息

还可以通过调整-t参数，输出类似jcvi的共线性图以及相似性热图和柱状图

				
					GenomeSyn -g1 rice_MH63.fa -g2 rice_ZS97.fa \
-cf1 rice_MH63vsZS97.delta.filter.coords \
-cen1 rice_MH63_centromere.bed -tel1 rice_MH63_telomere.bed \
-o1 Only_genome_add_Two_Telomere_Centromere_TE.svg \
-cen2 rice_ZS97_centromere.bed -tel2 rice_ZS97_telomere.bed \
-TE1 rice_MH63_repeat.bed -TE2 rice_ZS97_repeat.bed \
-GD1 rice_MH63_nonTEgene.gff3 -GD2 rice_ZS97_nonTEgene.gff3 \
-GC1 rice_MH63_GC_10000.bed -GC2 rice_ZS97_GC_10000.bed \
-GC_win 100000 \
-PAV1 rice_MH63_PAV.bed -PAV2 rice_ZS97_PAV.bed \
-NLR1 rice_MH63_NLR.bed -NLR2 rice_ZS97_NLR.bed \
-t 4

# -cf1 MUMmer的比对结果  
# -cen1 -g1提供的基因组的着丝粒信息
# -tel1 -g1提供的基因组的端粒信息
# -cen2 -g2提供的基因组的着丝粒信息
# -tel2 -g2提供的基因组的端粒信息
# -TE1 -g1提供基因组的TE密度信息
# -TE2 -g2提供基因组的TE密度信息
# -GD1 -g1提供基因组的基因密度信息
# -GD2 -g2提供基因组的基因密度信息
# -GC1 -g2提供基因组的GC含量信息
# -GC2 -g2提供基因组的GC含量信息
# -GC_win GC含量滑动窗口的最小长度
# -PAV1 -g1提供基因组的PAV位置信息
# -PAV2 -g2提供基因组的PAV位置信息
# -NLR1 -g1提供基因组的NLR位置信息
# -NLR2 -g1提供基因组的NLR位置信息
# -t 绘图的模式，4为最全的模式，输出所有的结果图

结语

总的来讲，GenomeSyn是一款可视化基因共线性很优秀的软件吗，比同类型的Syri+Plotsr确实简单了不少。

发表评论

基因组专栏