提取直系同源基因粗略方案

ubuntu系统下借助trinity软件将cleandata数据进行拼接组装，此步骤运行需要附加工具，bowtieT和samtoolsV0.1.19用CD-HIT-EST软件进行进一步组装去重得unigenes；在ubuntu系统下运行OrthoMCL对全基因组进行聚类分析和同源基因查找，但对于RNA-SEQ组装后的转录本，EST数据，要加上HAMSTR这个软件，在此步骤中需要建本地管理数据库，以mysql为例，另外安装mcl软件，并安装和配置orthomcl软件；安装orthomcl数据库的。首先，进入mysql数据库，新建一个名为orthomcl的数据库，然后，使用orthomclInstallSchema命令在数据库中创建一些表，这些表的名字则是orthomcl.config.template配置文件中指定的5个名称；创建orthomcl的输入文件，orthomcl的输入文件为fasta格式文件；过滤序列。对compliantFasta文件夹中的序列进行过滤，允许的最短的protein长度是10，stopcodons最大比例为20%；生成了两个文件goodProteins.fasta和poorProteins.fasta两个文件；对goodProteins.fasta中的序列进行BLAST。下载最新版本的Blast+,和最新版本的OrthoMCLDB的protein序列，将OrthoMCLDB的protein序列加上gooProtein.fasta中的序列合到一起做成一个biast+的数据库。然后对基因组的蛋白质序列进行比对；将similarSequences.txt载入到数据库中。对上一步biast的结果进行处理，从而得到序列的相似性结果，以用于导入到orthomcl数据库中。compliantFasta文件夹中包含下载下来的OrthoMCLDB的所有蛋白质数据的文件orthomcl.fasta；将similarSequences.txt载入到数据库中；寻找成对的蛋白质；将数据从数据库中导出；使用mcl进行对pairs进行聚类；对mcl的聚类结果进行编号；将得到的各个物种的直系同源基因用MEGA建树。