基因组相似性计算：ANI

在比较基因组分析中，我们经常需要分析不同基因组之间的进化关系，例如我们可以使用标记蛋白来构建系统发育树。为了进行定量的比较，我们还可以计算不同基因组之间的相似性或者进化距离，以进行物种分类、亲缘关系比较等。平均核苷酸相似度（Average Nucleotide Identity，ANI）是在核苷酸水平比较两个基因组亲缘关系的指标。ANI被定义为两个微生物基因组同源片段之间平均的碱基相似度，他的特点是在近缘物种之间有较高的区分度。

原文链接：基因组相似性计算：ANI

公众号后续会更新AAI、进化距离等比较基因组内容，阅读更多内容可关注“微生态与微进化”。

FastANI（https://github.com/ParBLiSS/FastANI）是一个快速计算全基因组ANI的工具，其支持一对一、一对多、多对多基因组之间的两两比较。他将查询序列分割为短序列片段，使用基于MinHash的序列映射引擎Mashmap来计算同源映射并估计一致性。由于它使用了非比对的方法，因此计算速度大幅提升，但准确性与基于blast的方法相差不大。

在最近Nature communications的一篇研究中，作者使用fastANI对9万个基因组进行分析，发现大多数谱系种内与种间存在一个明显的ANI分界线，相同物种的基因组ANI大于95%，不同物种的基因组ANI小于95%，因此常以95%的ANI作为物种划分与物种聚类的标准[1]。

fastANI从GitHub下载软件包解压就可以使用，其使用方法如下所示：

fastANI -q genome1.fa -r genome2.fa -o output.txt

fastANI -q genome1.fa --rl genome_list.txt -o output.txt

-r, --ref：参考基因组核苷酸序列，可以试fasta/fastq及其gzip压缩文件

--rl, --refList：包含参考基因组列表的文件，从而允许多个参考基因组

-q, --query：查询基因组核苷酸序列，可以试fasta/fastq及其gzip压缩文件

--ql, --queryList：包含查询基因组列表的文件，从而允许多个查询基因组

-k, --kmer：比对的kmer大小，不能大于16，默认为16

-t, --threads：程序运行所使用的核数，默认为1--fragLen：片段长度，默认为3000

--minFrag：最短匹配的片段，默认为50

--visualize：输出比对图像，只适用于一对一比对，默认关闭

--matrix：输出ANI值作为下三角矩阵，适用于多对多比对，默认关闭

-o, --output：输出文件名

由于细菌基因组大部分基因长度均为1000bp左右，因此通常设置片段长度为1000，对于病毒等小基因组，可以设置较小的片段长度。两个基因组一对一分析如下所示：

fastANI -q 951_armatimo.fasta -r 391_armatimo.fasta -o output1.txt --fragLen 1000

结果如下所示：

其ANI为74.7，2570为参考基因组的所有序列片段，981为查询基因组中比对上的同源片段，片段数过少的ANI值是没有意义的，可以去掉。

多个基因组互相比较如下所示：

fastANI --ql Armatimonadetes.txt --rl Armatimonadetes.txt -o output2.txt --fragLen 1000 -t 10 --matrix

生成的矩阵结果如下所示：

以上矩阵我们可以在R中作图展示，如下所示：

参考文献：

[1]  Jain C, Rodriguez-R L M, Phillippy A M, et al.High throughput ANI analysis of 90K prokaryotic genomes reveals clear speciesboundaries[J]. Nature Communications, 2018, 9(1): 5114.