python版的MCScan绘图

最近发现了python版的MCScan，是个大宝藏。由于走了不少弯路，终于画出美图，赶紧记录下来。

github地址 https://github.com/tanghaibao/jcvi/wiki/MCscan-(Python-version)

• 软件安装

•  1 ## 安装lastal
   2 网址：http://last.cbrc.jp
   3 unzip last-1060.zip
   4 cd last-1060
   5 make
   6
   7 # 把scripts， src 添加到环境变量
   8
   9 ##  jcvi
  10 pip install jcvi
  11
  12 ## 若出现 from rillib.parse import urlparse 缺少parse模块，则装parse模块，然后将urllib.parse 改为urlparse； 因为urlparse模块在Python 3中重命名为urllib.parse，所以模块在Python 2.7下应该使用urlparse。

• 输入数据

1. • • gff文件转bed格式

     •  1 ## 以spinach，和sugar为例子
        2 python -m jcvi.formats.gff bed --type=mRNA --key=ID spinach_gene_v1.gff3 -o spinach.bed
        3 python -m jcvi.formats.gff bed --type=mRNA --key=ID BeetSet-2.unfiltered_genes.1408.gff3.txt -o sugar.bed
        4
        5 ##参数
        6 --type：gff文件中第三列
        7 --key：type对应的第九列信息前缀
        8
        9 我们分析只需要用到每个基因最长的转录本就行，在sugar中是以多个转录本进行存储，因为需要获取最长转录本
       10
       11 ## 将sugar中bed进行去重复
       12 python -m jcvi.formats.bed uniq sugar.bed

     • 获取cds/pep序列

     • 1 ## cds和pep序列均可以进行共线性分析
       2 ## 根据上述得到的.bed文件调取对应cds和蛋白序列
       3 # spinach
       4 seqkit grep -f <(cut -f4 spianch.bed) spinach.cds.fa  | seqkit seq -I >spinach.cds
       5 seqkit grep -f <(cut -f4 spianch.bed) spinach.pep.fa  | seqkit seq -I >spinach.pep
       6
       7 # sugar
       8 seqkit grep -f <(cut -f4 sugar.uniq.bed) BeetSet-2.genes.1408.cds.fa  | seqkit seq -i >sugar.cds
       9 seqkit grep -f <(cut -f4 sugar.uniq.bed) BeetSet-2.genes.1408.pep.fa  | seqkit seq -i >sugar.pep

     • 小知识：也可以根据gff文件，基因组ref.fa文件中直接调取cds，和pep序列

     • 1 ## 需要安装cufflinks
       2
       3 ## 提取cds
       4 gffread in.gff3 -g ref.fa -x cds.fa
       5
       6 ## 提取pep
       7 gffread in.gff3 -g ref.fa -y pep.fa

• 共线性分析

•  1 ## 新建一个文件夹，方便在报错的时候，把全部都给删了
   2 mkdir cds && cd cds
   3 ln -s ../sugar.cd ./
   4 ln -s ../sugar.uniq.bed ./sugar.bed
   5 ln -s ../spinach.cds ./
   6 ln -s ../spinch.bed ./
   7
   8 ## 运行代码
   9 python -m jcvi.compara.catalog ortholog (--dbtype prot[蛋白分析]) --no_strip_names spinach sugar
  10
  11 结果：
  12 spinach.sugar.anchors：共线性block区块（高质量）
  13 spinach.sugar.last：原始的last输出
  14 spinach.sugar.last.filtered：过滤后的last输出
  15 spinach.sugar.pdf：点阵图
  16
  17 ## 如果遇到报错，多半是要安装python包，更新Latex

• 可视化

  • • 共线性图

    •  1 ## 首先生成.sinple文件
       2 python -m jcvi.compara.synteny screen --minspan=30 --simple spinach.sugar.anchors spinach.sugar.anchors.new
       3
       4 ## 编辑配置文件seqids 和layout
       5
       6 #设置需要展示染色体号
       7 vi seqids
       8 chr1,chr2,chr3,chr4,chr5,chr6 #spinach
       9 Bvchr1.sca001,Bvchr2.sca001,Bvchr3.sca001 #sugar
      10
      11 # 设置颜色，长宽等
      12 vi layout
      13 # y, xstart, xend, rotation, color, label, va, bed
      14  .6,    .1,    .8,    0,    red,    spinach,    top, spinach.bed
      15  .4,    .1,    ,8,    0,    blue,    sugar,    top,    sugar.bed
      16 # edges
      17 e, 0, 1, spinach.sugar.anchors.simple
      18
      19 注意, #edges下的每一行开头都不能有空格
      20
      21 ## 运行代码
      22 python -m jcvi.graphics.karyotype seqids layout

      

• 若要突出显示某一共线性则可以在对应的位置添加g*

•  1 vi spinach.sugar.anchors.simple
   2 g*Spo03717      Spo03716        Bv3_048620_odzi.t1      Bv3_049090_cxmm.t1      46      +
   3 Spo17356        Spo17350        Bv1_001140_tedw.t1      Bv1_001540_xzdn.t1      41      -
   4 Spo13685        Spo13730        Bv5_123480_yfcy.t1      Bv5_123900_rucq.t1      46      -
   5 Spo26250        Spo26280        Bv5_117270_qhwj.t1      Bv5_117680_iykf.t1      36      +
   6 Spo19005        Spo06982        Bv7_173830_frmo.t1      Bv7_174150_pckw.t1      37      +
   7 Spo19374        Spo20559        Bv4_081440_riqq.t1      Bv4_081750_yeuy.t1      32      -
   8
   9 #运行
  10 python -m jcvi.graphics.karyotype seqids layout

• • • 若要显示3个物种的共线性，则应两两比对，得到两个*.simple文件，并对其进行配置（来自https://www.jianshu.com/p/39448b970287）

    •  1 $ vi layout
       2 # y, xstart, xend, rotation, color, label, va,  bed
       3  .7,     .1,    .8,      15,      , Grape, top, grape.bed
       4  .5,     .1,    .8,       0,      , Peach, top, peach.bed
       5  .3,     .1,    .8,     -15,      , Cacao, bottom, cacao.bed
       6 # edges
       7 e, 0, 1, grape.peach.anchors.simple
       8 e, 1, 2, peach.cacao.anchors.simple
       9
      10 $ vi seqids
      11 chr1,chr2,chr3,chr4,chr5,chr6,chr7,chr8,chr9,chr10,chr11,chr12,chr13,chr14,chr15,chr16,chr17,chr18,chr19
      12 scaffold_1,scaffold_2,scaffold_3,scaffold_4,scaffold_5,scaffold_6,scaffold_7,scaffold_8
      13 scaffold_1,scaffold_2,scaffold_3,scaffold_4,scaffold_5,scaffold_6,scaffold_7,scaffold_8,scaffold_9,scaffold_10r
      14
      15 $ python -m jcvi.graphics.karyotype seqids layout

• • • 3个物种三角形排序配置文件（来自https://www.jianshu.com/p/f7971dbf5f85）

    •  1 # y, xstart, xend, rotation, color, label, va,  bed
       2  .5,      0.025,    0.625,      60,      , Grape, top, grape.bed
       3  .2,      0.2,    .8,       0,      , Peach, top, peach.bed
       4  .5,     0.375,    0.975,     -60,      , Cacao, top, cacao.bed
       5 # edges
       6 e, 0, 1, grape.peach.anchors.simple
       7 e, 1, 2, peach.cacao.anchors.simple
       8
       9 #运行
      10 python -m jcvi.graphics.karyotype seqids layout

除此之外，Tbtools也可以完成类似图片，对于新手来说更加容易上手，具体可查看以下内容

• 如何高效而且优雅地比较多物种的不同基因组区域？

• 任何人！一键完成物种间的共线性分析与可视化

参考

1、其实MCScan画图也可以很好看

2、「JCVI教程」如何绘制CNS级别的共线性图（上）

3、「JCVI教程」如何绘制CNS级别的共线性图（中）

关注下方公众号可获得更多精彩