通过PAML中的CODEML模块计算dnds的过程以及踩坑

最近帮女朋友做毕业设计的时候用到了 PAML这个软件的codeml功能，发现网上相关的资料很少，于是把自己踩的一些坑分享一下，希望能帮到其他有相同困难的人

一、下载与安装

PAML软件下载地址

http://abacus.gene.ucl.ac.uk/software/paml4.9j.tgz

DAMBE软件下载地址

http://dambe.bio.uottawa.ca/DAMBE/dambe_install_win.aspx

二、使用方法

首先准备好你的fas文件

我们需要将fas文件转换一下格式，方法很多，我这边说两种方法，这两种方法最后得到的文件内容完全相同，只是后缀名不同

方法一：

使用python脚本转换

将你的*.fas文件与脚本放在同一目录下，执行脚本，会生成一个.phy文件

import re
with open('seven.fas', 'r') as fin:
    sequences = [(m.group(), ''.join(m.group().split()))
                 for m in re.finditer(r'(?m)^>([^ \n]+)[^\n]*([^>]*)', fin.read())]
with open('seven.phy', 'w') as fout:
    fout.write('%d %d\n' % (len(sequences), len(sequences[][])))
    for item in sequences:
        fout.write('%-20s %s\n' % item)

方法二：

使用DAMBE软件转换格式

1.打开DAMBE，选择 File -> Open standard sequence file -> 文件类型选择为包含 fas 类型 -> 选择你的fas文件

2.点击 go

3.点击 File -> save or convert sequence format  -> 选择 paml 格式

4.手动修改 *.pml 的后缀名为 *.nuc

通过以上两个方法会得到一份 *.phy 或者 *.nuc 文件

接下来需要去除序列中的终止密码子

 TAG,TAA,TGA

你可以全选文件内容查找替换 将  TAG/TAA/TGA 替换为 ---

也可以使用下面这个python脚本

import re

with open(r'seven.phy', 'r') as f:
    content = f.read()
    content = content.replace("TAG","---")
    content = content.replace("TAA", "---")
    content = content.replace("TGA", "---")
    # print(content)

with open('sevenend.phy', 'w') as f:
    f.write(content)

会生成一个去除过终止密码子的文件

现在将这个处理过后的序列文件*.phy与树文件、配置文件codeml.ctl三个放在  \paml4.9j\bin 目录下

配置文件codeml.ctl内容如下可参考 一般修改前面三行即可 按顺序为序列文件名 树文件名 输出文件名

      seqfile = seven.nuc * sequence data filename
     treefile = Newick      * tree structure file name
      outfile = test.txt           * main result file name

        noisy =   * ,,,,: how much rubbish on the screen
      verbose =   * : concise; : detailed, : too much
      runmode = -  * : user tree;  : semi-automatic;  : automatic
                   * : StepwiseAddition; (,):PerturbationNNI; -: pairwise

      seqtype =   * :codons; :AAs; :codons-->AAs
    CodonFreq =   * :/ each, :F1X4, :F3X4, :codon table

*        ndata =
        clock =   * :no clock, :clock; :local clock; :CombinedAnalysis
       aaDist =   * :equal, +:geometric; -:linear, -:G1974,Miyata,c,p,v,a
   aaRatefile = dat/jones.dat  * only used for aa seqs with model=empirical(_F)
                   * dayhoff.dat, jones.dat, wag.dat, mtmam.dat, or your own

        model =
                   * models for codons:
                       * :one, :b, : or more dN/dS ratios for branches
                   * models for AAs or codon-translated AAs:
                       * :poisson, :proportional, :Empirical, :Empirical+F
                       * :FromCodon, :AAClasses, :REVaa_0, :REVaa(nr=)

      NSsites =   * :one w;:neutral;:selection; :discrete;:freqs;
                   * :gamma;:2gamma;:beta;:beta&w;:betaγ
                   * :beta&gamma+; :beta&normal>; :&2normal>;
                   * :3normal>

        icode =   * :universal code; :mammalian mt; -:see below
        Mgene =
                   * codon: :rates, :separate; :diff pi, :diff kapa, :all diff
                   * AA: :rates, :separate

    fix_kappa =   * : kappa fixed, : kappa to be estimated
        kappa =   * initial or fixed kappa
    fix_omega =   * : omega or omega_1 fixed, : estimate
        omega = . * initial or fixed omega, for codons or codon-based AAs

    fix_alpha =   * : estimate gamma shape parameter; : fix it at alpha
        alpha = . * initial or fixed alpha, :infinity (constant rate)
       Malpha =   * different alphas for genes
        ncatG =   * # of categories in dG of NSsites models

        getSE =   * : don't want them, 1: want S.E.s of estimates
 RateAncestor =   * (,,): rates (alpha>) or ancestral states ( or )

   Small_Diff = .5e-
    cleandata =   * remove sites with ambiguity data (:yes, :no)?
*  fix_blength =   * : ignore, -: random, : initial, : fixed, : proportional
       method =   * Optimization method : simultaneous; : one branch a time

* Genetic codes: :universal, :mammalian mt., :yeast mt., :mold mt.,
* : invertebrate mt., : ciliate nuclear, : echinoderm mt.,
* : euplotid mt., : alternative yeast nu. : ascidian mt.,
* : blepharisma nu.
* These codes correspond to transl_table  to  of GENEBANK.

在此目录下打开命令行

输入一下命令即可

codeml

当前目录下就会出现结果文件 test.txt  以及其他文件了

在过程中我遇到过许多报错提供给大家参考一下

67 columns are converted into ??? because of stop codons

这个报错是因为没有去除文件中的终止密码子，可以参考上面的步骤去除

Error: Error in sequence data file: . in 1st seq.?.

Error: check #seqs and tree: perhaps too many '('?.

Make sure to separate the sequence from its name by 2 or more spaces.

以上报错均为你的序列文件内容/格式有问题，麻烦按照上面的步骤重新生成序列文件或者参考其他人的文件格式