如何寻找同源基因---OrthoFinder

构建物种的系统发育树，计算kaks值或者比较基因组学和进化的其他分析都少不了需要寻找同源基因。

之前已经介绍过Orthomcl的自动化使用，Orthomcl也是目前引用最好的寻找同源基因的工具，但是Orthomcl使用起来比较麻烦，运行速度还不够快。

OrthoFinder的work flow见下图

OrthoFinder与其它工具比较的结果见下图

（Quest for Orthologs benchmarks and Pareto frontier for methods）

从图中可以看出OrthoFinder相比于其它工具，无论是速度还是准确度都有很大的提升。同时在OrthoFinder运行之后，不仅仅寻找了同源基因，它也构建了gene tree和species tree。

OrthoFinder运行速度快的很大原因是使用了DIAMOND/MMseqs来进行蛋白比对。特别是DIAMOND，它可以得到和blast基本一致的结果的同时，比blast的运行速度快500x-20,000x。

安装运行OrthoFinder

1. 下载安装

https://github.com/davidemms/OrthoFinder

可以下载之后源码安装，也可以用conda安装：

conda install -y orthofinder

ps：强烈建议安装DIAMOND

2. 准备输入数据

OrthoFinder所需的输入数据很简单，把每个物种的蛋白序列放进单独的fasta文件中，然后把这些fasta文件放到一个目录下。fasta文件命名为对应的物种名。

3. 运行

orthofinder -f Dataset_ directory

如果你想更改线程数，使用-t参数即可修改。默认的比对工具是DIAMOND，你也可以通过-S指定blast等其他工具。其他参数详情可以运行 orthofinder -h 看到。

4. 结果文件

在结果文件夹中，Orthogroups文件夹里面有所有的同源基因信息，还贴心的单独给出了单拷贝同源基因信息。Gene_Trees 和 Species_Tree 文件夹分别是单独的同源基因构建的tree已经整合所有同源基因构建的物种树。

Note:

1. 可以指定-M参数来指定物种树的构建算法。OrthoFinder默认的方法是STAG算法。STAG整合了所有的同源基因（包括多拷贝基因），这种方法特别适合物种遗传距离较远，单拷贝同源基因很少甚至没有的情况。

同样，可以指定只使用单拷贝基因来构建物种树，-M raxml 就会调用Raxml进行构建。

2. Orthogroups文件夹中的 Orthogroups.GeneCount.tsv 统计了同源基因在每个物种中的数目，可以利用这个文件很方便的挑选我们需要的基因。

参考文献：

Emms, D.M. and Kelly, S. (2018) OrthoFinder2: fast and accurate phylogenomic orthology analysis from gene sequences. bioRxiv