基因家族分析套路（二）

本次主要讲解在基因家族分析类文章中，进化部分分析的内容。主要是进化树的构建与分析。

 

一、构建进化树的基本步骤

 

１、多序列比对. Muscle program.

２、Model 选择. 分别针对蛋白序列和核酸序列的模型选择程序。ProtTest program for protein and ModelTest or Jmodetlest for DNA(http://user.qzone.qq.com/58001704/blog).

３、算法选择。三种. NJ, ML and BI.

４、软件选择。 MEGA (bootstrap least 1000 replicates), phyML and Mrbayes (http://user.qzone.qq.com/58001704/main).

５、进化树修饰. MEGA: view->options and subtree-> draw options. Also can be decorated in word (http://user.qzone.qq.com/58001704/main)

 

二、具体步骤

 

2.1 多序列比对。一般采用muscle。因为 MUSCLE is one of the best-performing multiple alignment programs according to published benchmark tests, with accuracy and speed that are consistently better than CLUSTALW.

2.2 模型选择。

对于用蛋白序列构建进化树的可以采用下面命令：

   java  -Xmx250m  -classpath  path/ProtTest.jar  prottest.ProtTest  -i alignmfile.phy.

运行结果如下图

 

注意：

1）“.Phy” format. Only allow ten charaters.注意名字不能重复相同。

2）AIC: Akaike Information Criterion framework.

3）Gamma distribution parameter (G): gamma shape.

3）proportion of invariable sites: I.

 

2.3 构建进化树

2.3.1 意义：

a聚类分析。如亚家族分类。像MAPKKK基因家族通过进化树可以清楚分为 MEKK, Raf and ZIK三个亚家族.

b亲缘关系鉴定。在进化树上位于同一支的往往暗示这亲缘关系很近

c 基因家族复制分析。研究基因家族复制事件（duplication events），两种复制事件类型常采用的标准：

Tandem duplication: Identity and cover region more than 70% and tightly linked (Holub, 2001).

 Chromosomal segment duplication: Plant Genome Duplication Database (PGDD: http://chibba.agtec.uga.edu/duplication/)

2.3.2 进化树。

一般ML树比较准确，但应结合方法，如NJ树，相互验证。

2.3.3 进化部分分析：KaKs计算

2.3.3.1 简单的方法. 可以使用下面的网页PAL2NAL(http://www.bork.embl.de/pal2nal/)

2.3.3.2 标准方法：.

a. ParaAT: ParaAT.pl-h test.homologs -n test.cds -a test.pep -p proc –f axt –k -o output

b. KaKs_Calculator –m NG(or else) -i test.axt -o test.axt.kaks

c.分歧时间计算：Divergenttime（T） calculation.

    T=Ks/2λ. λ : mean 5.1-7.1×10^-9  .

d. Ka/Ks意义：

  Ka/Ks=1.中性进化。.

  Ka/Ks<>

 Ka/Ks>1.正选择。Positively selected genes and produce fitness advantagemutations to evolve new functions.