OrthoFinder寻找同源蛋白

Orthologs（直系同源基因）: homolog的一种。在两个物种形成之前，是它们共同祖先里面的一个基因，跟着新主子去了新形成的物种，之后可能各自有一些不同的变化。是不同物种里的相同基因。

OrthoFinder运行命令

#BSUB -J blast
#BSUB -n 10
#BSUB -R span[hosts=1]
#BSUB -o %J.out
#BSUB -e %J.err
#BSUB -q normal

cd /public/home/qtxu/work/OrthologFind/proteome

../OrthoFinder-2.5.4/orthofinder.py -f data/ -S diamond -og -t 10

1. data文件保护需要的蛋白序列文件：

ls data/
Ara_longgest_protein.fa  Pal_ted_proteins.fa

内如如下：

###head  Ara_longgest_protein.fa 
>AT4G21570
MMDLTKLKPPQITFYCSAFSVLLTLHFTIQLVSQHLFHWKNPKEQKAILIIVLMAPIYAVVSFIGLLEVKGSETFFLFLESIKECYEALVIAKFLALMYSYLNISMSKNILPDGIKGREIHHSFPMTLFQPHVVRLDRHTLKLLKYWTWQFVVIRPVCSTLMIALQLIGFYPSWLSWTFTIIVNFSVSLALYSLVIFYHVFAKELAPHNPLAKFLCIKGIVFFVFWQGIALDILVAMGFIKSHHFWLEVEQIQEAIQNVLVCLEMVIFAAVQKHAYHAGPYSGETKKKLDKKTE
>AT2G05410
MAYPKGINKAHDSFSLFLNVPDNESLPTGWRRHAKVSFSLVNQGSEKLSQRKVTQHWFVQKAFTWGFPVMITHTELNAKMGFLVNGELKVVAKIEVLEVVGKLDVSKESSPIMKTIDVNGFQVLPSQVDSVKRLFEKNLDIVSKFRLKNPYLKTACMNLLLSLTETLCQSPQELSNDGLSDAGVALAYLIETGLKLDWLEKKLDELKEKKKKEESCLVRLREMDEQLQPFKKRCLDIEDQISKEKEELLAAREPLSLYDDIDNNV
>AT5G47770
MSVSCCCRNLGKTIKKAIPSHHLHLRSLGGSLYRRRIQSSSMETDLKSTFLNVYSVLKSDLLHDPSFEFTNESRLWVDRMLDYNVRGGKLNRGLSVVDSFKLLKQGNDLTEQEVFLSCALGWCIEWLQAYFLVLDDIMDNSVTRRGQPCWFRVPQVGMVAINDGILLRNHIHRILKKHFRDKPYYVDLVDLFNEVELQTACGQMIDLITTFEGEKDLAKYSLSIHRRIVQYKTAYYSFYLPVACALLMAGENLENHIDVKNVLVDMGIYFQVQDDYLDCFADPETLGKIGTDIEDFKCSWLVVKALERCSEEQTKILYENYGKPDPSNVAKVKDLYKELDLEGVFMEYESKSYEKLTGAIEGHQSKAIQAVLKSFLAKIYKRQK

2. 产生的结果在data文件夹里面的OrthoFinder

ls data/
Ara_longgest_protein.fa  OrthoFinder  Pal_ted_proteins.fa

3. 最终结果是Orthogroups文件夹下的Orthogroups.tsv

ls data/OrthoFinder/Results_Oct13/Orthogroups/Orthogroups.tsv 

data/OrthoFinder/Results_Oct13/Orthogroups/Orthogroups.tsv

对产生的结果进行整理

1.选取对应的orthologs（红色框内），保存为tab分割的txt文件。

image.png
注意拟南芥ID放在第二列了，然后，后面没有空格。

A0A024FLK4,Q10MK5   AT5G10920
A0A0N7KC65,A0A0P0UX72,A0A0P0VQW4    AT3G54360
A0A0N7KC82,A0A0P0UXG8   AT5G10630
A0A0N7KC83,A0A0P0UXE2,A0A0P0UXI3,A0A0P0UXP7,A0A0P0UY53,Q0JR80,Q656W4,Q9FTF3 
A0A0N7KCI1,A0A0P0UZQ9,Q5QMY9    AT2G25760
A0A0N7KCI8  AT4G18750
A0A0N7KCX5,Q5Z8Q9   AT4G02390

2. 提供IDs，比如我用水稻所有Kac蛋白 寻找到了其所有的拟南芥的同源蛋白，我想进一步寻找水稻Kac对应的拟南芥Kac蛋白，那么我需要提供拟南芥是Kac蛋白的Ids(每行一个ID)，如下：

AT1G01050
AT1G01090
AT1G01120
AT1G01300
AT1G01610
AT1G01740`

进行提取,Results.txt文件即是 两个Kac蛋白对应的IDs。

perl ID_analysis.pl     Arabi_pal_protein_IDs.txt         Arabi_Rice_Pal_proteins_1.txt     > Results.txt

Perl脚本如下：

open FA,"$ARGV[0]";
while(<FA>){
    
    chomp;
    push @yest, $_;
    #print"$_\n";
    
}

open FA1,"$ARGV[1]";
while(<FA1>){
    chomp;
    
    ($riceid,$target)=split /\t/,$_;
    #print "$riceid\t$target\n";
    @rice=split(',',$riceid);
    @array=split(',', $target);
    foreach $yest(@yest){
        foreach $id(@array){
            if($yest eq $id){
                foreach $rice(@rice){
                    print"$rice\t$id\n";
                }
                
            }
            
        }
    }   
    
    
    
}