同源基因分析（根据氨基酸序列）

目的：分析同源基因的进化情况
做法：

1. 获取同源基因编码的氨基酸序列
2. 序列比对
3. 构建进化树
4. 绘制进化树

下面逐步进行拆解：

1. 获取氨基酸序列

可以利用某个物种已知的蛋白质序列，在NCBI blastp进行search，然后将search的结果保存为fasta文件

2. 序列比对

使用多序列比对工具（Multiple Sequence Alignment, MSA）对这些氨基酸序列进行比对。常用的MSA工具包括：

• Clustal Omega: 适用于大规模的序列比对。
• MUSCLE: 高精度且快速的多序列比对工具。
• MAFFT: 适合于长序列的多序列比对。
  如果只是想展示几个物种间序列一致性，可以使用 SnapGene

  3. 构建进化树

  根据多序列比对的结果，构建进化树。常用的方法包括：
• 邻接法（Neighbor-Joining, NJ）: 简单且快速，适合大规模数据。
• 最大似然法（Maximum Likelihood, ML）: 精度较高，但计算复杂度大。
• 贝叶斯推断法（Bayesian Inference, BI）: 精度高且可估计不确定性，但计算时间长。

  4. 绘制进化树

  使用专门的软件或工具绘制进化树，常用的软件包括：
• MEGA (Molecular Evolutionary Genetics Analysis): 综合性较强的序列分析和进化树构建工具。
• PhyML: 基于最大似然法构建进化树。
• MrBayes: 基于贝叶斯推断法构建进化树。
• FigTree: 进化树可视化工具。
• iTOL (Interactive Tree Of Life): 在线进化树绘制和注释工具。

可以选择一些工具组合成流程：

组合1. Clustal Omega + MEGA + FigTree

1. 多序列比对：Clustal Omega
   你可以在线使用Clustal Omega或在本地安装并运行Clustal Omega进行多序列比对。
   输入序列文件（例如 sequences.fasta），生成比对结果（例如 sequences.aln）。
2. 构建进化树：MEGA
   将比对结果导入MEGA软件，选择构建进化树的方法（例如邻接法或最大似然法）。
   MEGA界面友好，可以进行参数设置和结果调整。
3. 绘制进化树：FigTree
   将MEGA生成的树文件导入FigTree，进行进化树的可视化。
   FigTree提供丰富的可视化选项，可以对树形、颜色、标签等进行调整。

组合2. MUSCLE + PhyML + iTOL

1. 多序列比对：MUSCLE
   在本地运行MUSCLE进行多序列比对。
   输入序列文件（例如 sequences.fasta），生成比对结果（例如 sequences.aln）。

   muscle -in sequences.fasta -out sequences.aln

2. 构建进化树：PhyML
   将比对结果导入PhyML，选择构建进化树的方法（例如最大似然法）。
   PhyML在命令行运行，可以指定多种参数。

   phyml -i sequences.aln -d aa

3. 绘制进化树：iTOL
   将PhyML生成的树文件上传到iTOL在线工具。
   iTOL提供丰富的在线注释和可视化选项，可以对树形、颜色、标签等进行调整。

组合3. MAFFT + RAxML + FigTree

1. 多序列比对：MAFFT
   在本地运行MAFFT进行多序列比对。
   输入序列文件（例如 sequences.fasta），生成比对结果（例如 sequences.aln）。

   mafft --auto sequences.fasta > sequences.aln

2. 构建进化树：RAxML
   将比对结果导入RAxML，选择构建进化树的方法（例如最大似然法）。
   RAxML在命令行运行，可以指定多种参数。

   raxmlHPC -s sequences.aln -n output -m PROTCATLG

3. 绘制进化树：FigTree
   将RAxML生成的树文件导入FigTree，进行进化树的可视化。
   FigTree提供丰富的可视化选项，可以对树形、颜色、标签等进行调整。

   使用 Biopython

   from Bio.Align.Applications import ClustalOmegaCommandline, MuscleCommandline, MafftCommandline
   from Bio.Phylo.Applications import PhymlCommandline, RaxmlCommandline
   from Bio import Phylo
   
   # Step 1: 多序列比对（选择一个工具）
   # Clustal Omega
   clustalomega_cline = ClustalOmegaCommandline(infile="sequences.fasta", outfile="sequences.aln", verbose=True, auto=True)
   clustalomega_cline()
   
   # 或者 MUSCLE
   muscle_cline = MuscleCommandline(input="sequences.fasta", out="sequences.aln")
   muscle_cline()
   
   # 或者 MAFFT
   mafft_cline = MafftCommandline(input="sequences.fasta")
   mafft_cline(stdout="sequences.aln")
   
   # Step 2: 构建进化树（选择一个工具）
   # PhyML
   phyml_cline = PhymlCommandline(input="sequences.aln", datatype="aa")
   phyml_cline()
   
   # 或者 RAxML
   raxml_cline = RaxmlCommandline(sequences="sequences.aln", model="PROTCATLG", name="output")
   raxml_cline()
   
   # Step 3: 绘制进化树（以FigTree为例）
   tree = Phylo.read("output.tree", "newick")
   Phylo.draw(tree)

重要文件格式

muscle 生成的 aln 文件格式是什么样的

MUSCLE（Multiple Sequence Comparison by Log-Expectation）生成的比对结果文件（.aln）通常是以CLUSTAL格式（即ClustalW格式）保存的。以下是一个典型的MUSCLE生成的CLUSTAL格式的示例：

CLUSTAL O(1.2.4) multiple sequence alignment


seq1     MKTAYIAKQRQISFVKSHFSRQDILDLWIYHTQGYFPQFL
seq2     MKTAYIAKQRQISFVKSHFSRQDILDLWIYHTQGYFPQFL
seq3     MKTAYIAKQRQISFVKSHFSRQDILDLWIYHTQGYFPQFL

seq1     RNAPLIWKRKRQIQKKSLKQKNNIQEQLSKDDTKEIKDLR
seq2     RNAPLIWKRKRQIQKKSLKQKNNIQEQLSKDDTKEIKDLR
seq3     RNAPLIWKRKRQIQKKSLKQKNNIQEQLSKDDTKEIKDLR

seq1     KLKH
seq2     KLKH
seq3     KLKH

文件格式说明
头部信息：
文件开始部分有一个CLUSTAL的标识，通常后面会跟着版本信息，例如CLUSTAL O(1.2.4)。
序列块：

序列按块排列，每块一般包含固定数量（例如60个）的氨基酸残基。
每个块内，序列名称和序列本身按列对齐。
相同位置的相同氨基酸会在对齐标识线上显示一个标识（一般是空格）。
对齐标识：

每个块的下面有一行对齐标识线。对于相同位置的相同氨基酸，通常用星号（*）标识；对于类似氨基酸，有时用点（.）或冒号（:）标识。

生成ALN文件后，可以使用这些工具和软件来进一步分析和绘制进化树：

• MEGA：可以直接导入ALN文件进行进化树构建。
• PhyML：也支持CLUSTAL格式的输入。
• RAxML：需要将ALN文件转换为兼容格式（例如PHYLIP）。
• FigTree 或 iTOL：用于进化树的可视化。