參考了眾多文章并結合實際操作后的感想。

Orthomcl需要的linux詳細配置，簡單敘述。

系統：unix

BLAST

Database：oracle 或 mysql

內存4G，硬盤100G

perl: DBI module 和 DBD-mysql

MCL程序

詳細操作過程及需要注意的點：

1.數據庫安裝和配置

我用的mysql，為避免mysql運行出問題，最好修改mysql配置文件：

1.設置myisam_sort_buffer_size為可用內存的一半

2.設置myisam_max_sort_file_size為orthomclBlastParser程序生成文件similarSequences.txt的5倍大小

3.設置read_buffer_size的值為???，或者盡量大

2.安裝MCL

$ ./configure

$ make

$ make install

#注意出現make[] Nothing to be done for '***'

make[] leaving directory '/*/*/***'

不是make錯誤！make時最好用root權限

3.安裝配置Orthomcl software

下載地址?http://orthomcl.org/common/downloads/software/v2.0/ 我下的是orthomclSoftware-v2.0.9.tar.gz

下載完成后解壓文件 $ tar -xf?orthomclSoftware-v2.0.9.tar.gz，解壓完成后包括bin config doc lib 四個文件夾

把bin目錄加到環境變量里，方便以后操作

$ vim .bashrc #在~目錄下執行此操作

在最后一行加 export PATH=$PATH:/home/abc/.../orthomclSoftware/bin

$source .bashrc

在Orthomcl software主文件夾下創建文件夾my_orthomcl_dir作為工作目錄，把/doc/OrthoMCLEngine/Main/orthomcl.config.template文件復制到my_orthomcl_dir下，命令如下：[當前路徑在my_orthomcl_dir]

$ mkdir?my_orthomcl_dir

$ cd?my_orthomcl_dir

$ cp ../doc/OrthoMCLEngine/Main/orthomcl.config.template orthomcl.config #重命名為orthomcl.config

打開orthomcl.config：

##

dbVendor=mysql　　#使用的數據庫為mysql，若為oracle，則改成oracle

dbConnectString=dbi:mysql:orthomcl　　#連接到mysql里的orthomcl數據庫

dbLogin=test　　#數據庫的用戶名

dbPassword=123　　#與用戶名相對應的密碼

orthologTable=Ortholog

inParalogTable=InParalog

coOrthologTable=CoOrtholog

interTaxonMatchView=InterTaxonMatch

percentMatchCutoff=50

evalueExponentCutoff=-5

oracleIndexTblSpc=NONE

4.在mysql中創建數據庫，并創建表

$ mysql -u root -p　　#先用root登錄創建名為orthomcl的數據庫(如果test用戶有權限創建數據庫的話就用test用戶登錄創建)

mysql> create database orthomcl;

mysql> grant all on orthomcl.* to 'test'@'%';　　#賦予test用戶操作orthomcl數據庫的所有權限，test處為用戶名，%代表任何主機

$?orthomclInstallSchema orthomcl.config mysql.log species　　#執行orthomclInstallSchema命令，按照orthomcl.config的配置，在數據庫中創建表，mysql.log記錄日志文件(選) species為每個表名后加物種名(選)

5.格式化orthomcl輸入文件

orthomcl的輸入文件要求為fasta格式，且需滿足一定的要求，格式要求為如下：

>taxoncode|unique_protein_id　　#taxoncode為物種代碼一般為3-4個字母；unique_protein_id為蛋白id，taxoncode和蛋白id之間用|隔開

MFAXGETHFD..........

如：

>Dha|CAG25565

MKFGHA...........

使用orthomclAdjustFasta程序可以把從NCBI上下載下來的序列文件轉換成orthomcl的標準格式，轉換格式前先在my_orthomcl_dir目錄下創建名為compliantFasta的文件夾，命令如下：[當前路徑為my_orthomcl_dir]

$ mkdir?compliantFasta

$?cd?compliantFasta

$?orthomclAdjustFasta hsa ../Homo_sapiens.NCBI36.53.pep.all.fa 1　　#hsa為物種代碼;***.fa為序列文件，存放在my_orthomcl_dir目錄下;1代表在id前加物種名和|

執行完上述命令后，產生的文件為hsa.fasta存放在compliantFasta目錄下，格式如下：

>hsa|TIG25566

MHSJKXG..........

compliantFasta文件夾下存放各個物種的蛋白組，如Hsa.fasta Dha.fasta Ali.fasta Kla.fasta......

當然，，，自己編寫的腳本也很容易完成格式轉換，，，

6.過濾序列

使用orthomclFilterFasta命令對compliantFasta文件夾下的序列進行過濾，orthomcl的推薦規則是允許protein序列最短長度為10，stop coden占的最大比例為20%，命令會在my_orthomcl_dir目錄下產生goodProteins.fasta和poorProteins.fasta，goodProteins.fasta文件中包含所有comliantFasta文件夾下經過篩選的物種蛋白組。[當前路徑為my_orthomcl_dir]

$?orthomclFilterFasta?compliantFasta/ 10 20

7.創建blast數據庫，對goodProteins.fasta做blastp

下載最新版本blast+,安裝成功根據需求下載蛋白數據庫，以我自己為例，我只需要compliantFasta文件夾下的幾個物種蛋白組，即只需要goodProteins.fasta作為數據庫

把blast添加到環境變量后，執行如下命令：[當前路徑為blast主目錄]

$ mkdir db　　#創建文件夾db，作為blast數據庫文件夾

$ cd db

$?makeblastdb -in goodProteins.fasta -dbtype prot -title orthomcl -parse_seqids -out orthomcl -logfile orthomcl.log　　#以goodProteins.fasta為序列文件，創建名為orthomcl的blast數據庫[當前路徑為db]

$?blastp -db orthomcl -query goodProteins.fasta -seg yes -out orthomcl.blastout -evalue 1e-5 -outfmt 7 -num_threads 24　　#goodProteins.fasta對orthomcl庫做blast，產生的結果文件為orthomcl.blastout(自身對自身做blast，找出目標物種間的同源基因)

8.處理blast產生的結果(參考)[當前路徑為db]

$ grep -P "^[^#]" orthomcl.blastout > blastresult　　#將orthomcl.blastout中的注釋行去掉，產生新文件blastresult。

$ cp?blastresult /home/abc/.../orthomclSoftware/my_orthomcl_dir　　#把blastresult復制到orthomcl工作目錄下

$ cd?/home/abc/.../orthomclSoftware/my_orthomcl_dir　　#轉到orthomcl工作目錄

$ sed -i s/"gnl|"/""/g blastresult

$ orthomclBlastParser blastresult compliantFasta > similarSequences.txt　　#使用orthomclBlastParser命令引入compliantFasta文件夾下文件，生成similarSequences.txt文件，找出相似性序列，從第1列到第8列分別是：query_id, subject_id, query_taxon, subject_taxon, evalue_mant, evalue_exp, percent_ident, percent_match。

$ perl -p -i -e 's/\t(\w+)(\|.*)orthomcl/\t$1$2$1/' similarSequences.txt　　#將subject_taxon修改為正確的分類名

$ perl -p -i -e 's/0\t0/1\t-181/' similarSequences.txt　　#修改evalue_mant, evalue_exp,將evalue為0修改為1e-181，為在后續步驟尋找pairwise relationships

9.將similarSequences.txt文件中的相似性序列載入mysql數據庫中[當前路徑為my_orthomcl_dir]

$ orthomclLoadBlast orthomcl.config similarSequences.txt　　#將數據導入數據庫中

10.尋找成對蛋白質[當前路徑為my_orthomcl_dir]

$?orthomclPairs orthomcl.config orthomcl_pairs.log cleanup=no　　#此命令對數據庫中的空表進行操作

11.將數據從mysql數據庫中導出[當前路徑為my_orthomcl_dir]

$ orthomclDumpPairsFiles orthomcl.config　　#此命令會在my_orthomcl_dir下生成一個mclInput文件和一個pairs文件夾，pairs文件夾下包含coorthologs.txt和inparalogs.txt和orthologs.txt三個文件

12.使用mcl對pairs進行聚類[當前路徑為my_orthomcl_dir]

$?mcl mclInput --abc -I 1.5 -o mclOutput

13.提取mcl的結果，生成group.txt文件[當前路徑為my_orthomcl_dir]

$ orthomclMclToGroups Fungi 1 < mclOutput > groups.txt　　#生成groups.txt文件，每個同源組的編號從Fungi1開始，依次遞增

至此orthomcl程序運行完畢，產生的groups.txt即為最終結果文件，可對其進行各種數據操作

總結

以上是生活随笔為你收集整理的mysql和ORTHOMCL_Orthomcl的详细使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。