对新冠病毒核酸序列构建系统进化树

今天在群里看到一个提问，很有趣，好像是有一个网页工具可以把fastq格式转为phylip格式。我虽然没有使用过这个软件，但是我觉得这个提问，可能是忽略了计算过程，直接说结果。应该是问题本身就错误的。

我们四年前就系统性整理过生信基础知识名词本，其中就有数据格式专题，目录如下：

• 1.FastQ和FastA格式
• 2.SAM格式
• 3.gff/gtf格式
• 4.Bigwig/Wiggle格式
• 5.bed格式
• 6.vcf格式
• 7.Blast&Blat

虽然没有phylip格式，但是如果你理解了格式，就知道，其实无非就是软件开发者定义好的规则。我以前分享过HPV的病毒进化树，可以把这个当做是学徒作业了。

https://bigd.big.ac.cn/ncov

国家生物信息中心 2019新型冠状病毒信息库 (2019nCoVR)

大机构大组织做的很全面：

不仅仅是有热点病毒序列，甚至有全部的冠状病毒信息，下面是网页公布的一些信息

• 新增来源于GenBank,GISAID的11条基因组序列。(2020.03.06)
• 对146条人源新冠病毒全基因组序列进行质控分析，发现有1条序列有多个Ns和简并碱基，2条序列有多个Gaps，2条序列的变异数量较多，6条序列的变异有密集分布区。
• 基于142条高质量人源新冠病毒全基因组序列变异分析，共鉴定224个变异（115个使氨基酸发生变化），根据群体发生率和变异分布进行变异分级（I-III，详见变异注释表）。
• 基于原始测序数据，对新冠病毒Wuhan-Hu-1毒株进行基因组拼接，序列比较和共线性分析显示两者序列完全一致，进一步确认该毒株基因组序列NC_045512.2的准确性。
• 2019新型冠状病毒信息库在《遗传》期刊在线发表。
• 由中国医学科学院病原生物学研究所提交的5株2019新型冠状病毒全基因组序列已经通过国家生物信息中心/国家基因组科学数据中心与NCBI共享，序列号为MT019529~MT019533。

机构对这些序列进行了一些探索，绘制了两个典型的图，如下：

病毒基因组单倍型网络

这个图没有看出来是怎么制作的，多序列比对可能不够，看起来应该是固定一个病毒序列为参考基因组，然后所有的其它地方检测到的病毒也进行测序后，比对到我们人为规定的参考基因组上面，看变异位点哦。

一般来说，其它地方检测到的病毒基因组变异位点都是在个位数这样的数量级，因为病毒进化是有速度的。

系统发生树

这个就比较常规了，如果只有Windows电脑的，使用mega就足够了

如果有Linux操作系统，可以参考我以前的博客：

• http://www.bio-info-trainee.com/659.html Muscle进行多序列比对
• http://www.bio-info-trainee.com/626.html 用phyML对多重比对phy文件来构建进化树

因为确实不做这方面研究，这个探索性课题，就留给我的学徒吧！