Roary

Mark Renton 更新于: 2020-09-14

---

1. 安装

# Ubuntu 下安装
$ sudo apt install roary

# conda 中安装
$ conda create -n roary roary

2. 使用

输入数据

Roary 的输入端需要 gff 格式的数据文件。由于 NCBI 下载的 gff 是不含核酸序列的 gff 格式文件，无法直接用来分析。Prokka 生成的 gff 格式文件包含核酸序列，所以可以下载 NCBI 上的 fna 文件然后用 prokka 注释后再用 roary 分析。

# 修改文件后缀名
$ sed -i 's/\.gbff/\.fna/g' ftp-path.txt
# 根据文件 ftp-path.txt 内容下载数据
$ wget -i ftp-path.txt --no-passive-ftp
# 解压缩基因组
$ gunzip *.gz

# 将 Assembly 文件名修改为菌株名称
$ for i in *.fna; do mv $i `head -1 $i | awk '{print $5, $6}' | awk -F',' '{print $1".fna"}' | sed 's/CMCC /CMCC-/g'`; done
# prokka 进行注释并以菌株名为文件夹名输出
$ for i in *.fna; do k=`echo $i | sed 's/.fna//g'` && prokka $i --prefix $k -outdir $k --cpus 40; done
# 复制出 gff 文件到 gff_folder 中，由 roary 进行分析
$ cp */*.gff gff_folder/; done

使用方法

roary 用 blastp 对 gff 文件中的序列进行 orthologs 分析，获得 pangenome 和 coregenome 结果，还可以使用 mafft 对核心基因组进行序列比对，生成系统发生树。

# 构建pangenome方法，用mafft将核心基因构建多序列比对
$ roary -e --mafft -p 40 gff_folder/*.gff -f roary

结果文件

roary生成的结果文件：

结果文件	数据内容
accessory_binary_genes.fa	非核心基因的二进制分布数据，以0/1表示携带或不携带
accessory_binary_genes.fa.newick	非核心基因的二进制分布数据的newick树图数据文件
accessory_graph.dot	非核心基因点图
accessory.header.embl	非核心基因数据头信息，以embl格式保存
accessory.tab	非核心基因信息
blast_identity_frequency.Rtab	blast比对一致性结果的R语言工具
clustered_proteins	聚类的蛋白质
core_accessory_graph.dot	核心基因点图
core_accessory.header.embl	embl 格式的文件显示各 accessory 基因
core_accessory.tab	accessory 基因在所在的基因组
core_alignment_header.embl	核心序列比对结果的头信息，以embl格式保存
core_gene_alignment.aln	核心基因序列比对
core_gene_alignment.aln.reduced	核心基因序列比对，去除冗余数据
gene_presence_absence.csv	csv 格式的基因在各个基因组中是否存在的数据文件
gene_presence_absence.Rtab	Rtab 格式的基因在各个基因组中是否存在的数据文件
number_of_conserved_genes.Rtab	Rtab 格式的不同数量基因组所共有基因数
number_of_genes_in_pan_genome.Rtab	Rtab 格式的不同数量基因组的所有基因数
number_of_new_genes.Rtab	Rtab 格式的不同数量基因组所新增的基因数
number_of_unique_genes.Rtab	Rtab 格式的不同数量基因组所特有基因数
pan_genome_reference.fa	泛基因组参考序列
summary_statistics.txt	pangenome 分析各种基因数量结果