轉載：http://www.realbio.cn/news/124.html

https://blog.csdn.net/seallama/article/details/43820763

http://www.cnblogs.com/huangying78/p/8638506.html

1. 數據庫的配置

OrthoMCL的分析需要先行建立mysql賬戶并建立相應的數據庫。關于mysql用戶的創建我們不在此進行介紹，我們以已經建立好的賬戶（賬戶名user，密碼123456）為例進行操作。
A.?在linux環境下輸入mysql -uuser -p123456進入mysql界面；
B.?輸入create database orthomcl;建立一個名為orthomcl的空數據庫用以存放分析時的中間文檔；
C.?輸入\q退出mysql界面。

2 ?軟件下載
OrthoMCL的分析需要OrthoMCL軟件本體和mcl軟件。
OrthoMCL軟件下載地址為：http://orthomcl.org/common/downloads/software/，解壓縮后，其中包含文件夾:bin、config、doc、lib四個文件夾，添加bin路徑為環境變量

mcl軟件下載地址為：http://www.micans.org/mcl/src/mcl-latest.tar.gz；下載后使用：’./configure && make && make install’安裝即可。包含發的文件是bin 、share。

3 配置OrthoMCL軟件
進入安裝路徑下，輸入：cp~/orthomclSoftwarev2.0.9/doc/OrthoMCLEngine/Main/orthomcl.config.template?~/example，將~/orthomcl.config.template拷貝到工作目錄（以~/example為例）中，該文件為OrthoMCL的配置文件，以使用mysql數據庫為例，其中的內容如下：cat?orthomcl.config.template

dbVendor=mysql ??#使用的數據庫為mysql
dbConnectString=dbi:mysql:orthomcl ??#使用之前建立的名為orthomcl的數據庫
dbLogin=user????#創建的用戶名
dbPassword=123 ?#密碼
similarSequencesTable=SimilarSequences #
orthologTable=Ortholog
inParalogTable=InParalog
coOrthologTable=CoOrtholog
interTaxonMatchView=InterTaxonMatch
percentMatchCutoff=50
evalueExponentCutoff=-5
oracleIndexTblSpc=NONE

4 分析過程

4.1 輸入文件格式轉化

orthomcl的輸入文件為fasta格式的基因或蛋白序列，fasta文件的序列名稱要求以樣品名開頭之后接’|’分隔，之后接每個樣品的序列名（如例1），而且樣品名和序列名不能有重復。

命令：orthomclAdjustFasta程序，將fasta文件轉換出兼容orthomcl的fasta文件使用命令：（1）orthomclAdjustFasta ? ?A(B,ref) ? X1(X2,X3).fa ? 1，結果輸出為A(B，ref).fasta。（單個跑完再合并）。本文生成樣品A，B和參考序列ref為例，在compliantFasta文件夾中的序列文件名分別為：A.fa,b.fa,ref.fa。

例1：

>A|gene1

ASSRKSKWQFMGARDAGAKDELRQVYGVSERTESDGAANLIHKLRAINYTLAELGQWCAYKVGQSFLSAL

?>B|contig1

KDELRQVYGVSERTESD

4.2?輸入文件合并過濾

使用命令：orthomclFilterFasta ?compliantFasta/ ?10 ?20。允許的最短的protein長度是10，stop codons最大比例為20%；生成了兩個文件（2）goodProteins.fasta和poorProteins.fasta兩個文

4.3 全序列比對

將上一步的goodProteins.fasta序列進行自身的多序列比對，比對使用軟件為blast+，輸出結果為all.m8.anno。文件太大可以拆分比對，最后合并
/share/nas2/genome/bin//blastall -b 1000 -v 1000 ?-a 2 ?-p ?blastp ?-e 1e-5 -F F -d goodProteins.fasta ?-i goodProteins.fasta.div1/goodProteins.fasta.f2.106.seq ? -o /goodProteins.fasta.div1/goodProteins.fasta.f2.106.seq.blast ? -m 8

cat?goodProteins.fasta.f2.*.seq.blast ?>（3）all_VS_all.out.tab ?還可以去除重復（一列，二列）最后獲得 （4）all_VS_all.result

4.4 ?導入比對結果
將比對結果導入mysql數據庫，包含以下幾個步驟：
A.?將比對結果轉化為規定格式，命名為similarSequences.txt，命令為：（5）orthomclBlastParser all_VS_all.result?seq?> similarSequences.txt
B.?將similarSequences.txt導入到數據庫中，命令為：orthomclLoadBlast orthomcl.config.template similarSequences.txt

4.5 尋找paired蛋白
輸入為數據庫中的表SimilarSequences，和數據庫的空表InParalog, Ortholog, CoOrtholog tables；輸出為對這些空表的操作，命令為：orthomclPairs orthomcl.config.template orthomcl_pairs.log cleanup=no。

4.6 將數據從mysql導出

生成（6）mcllnput文件和pairs目錄。這個目錄包含三個文件:
ortholog.txt, coortholog.txt, inparalog.txt。
每一個文件有三列: proteinA, protein B, their normalized score (See the Orthomcl Algorithm Document)。

命令為：orthomclDumpPairsFiles orthomcl.config.template。

4.7 使用mcl對paired蛋白聚類
命令為：mcl mclInput --abc -I 1.5 -o （7）?mclOutput。

4.8 對結果編號
命令為：orthomclMclToGroups gf?1 < mclOutput > （8）groups.txt。家族名為gf_1，gf_2，gf_3...，格式如圖2?。

?

轉載于:https://www.cnblogs.com/renping/p/10126229.html

總結

以上是生活随笔為你收集整理的41、OrthoMCL和mcl软件进行基因家族分析的全部內容，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。