生信分析12：如何鉴定重复基因

在植物中，基因组的复制事件是频繁发生的，根据发生的范围大小可以分成全基因组复制（Whole-genome duplication）和单基因复制（single-gene duplication）。

重复基因的分类

Fig 1

WGD被认为对植物的形态和生理多样性的进化做出了很大贡献（Fig 1）。在WGD发生后，通常伴随了大量重复基因的丢失。二倍体化在WGD后迅速发生，通过各种基因组的变化，如染色体重排（chromosomal rearrangement）、基因丢失（gene loss）、基因转换（gene conversion）、亚基因组优势（subgenome dominance）和重复拷贝之间的表达差异（expression

divergence between duplicate copies），迅速回到二倍体状态。

在长时间不进行WGD的物种中，各种类型的单基因复制也时有发生，这于对环境的适应有关。单个基因可以通过各种方式从原来的染色体位置移动或复制到新的位置（Fig 1）。

（1）串联重复（ Tandem duplicate, TD）在同一染色体上彼此紧密相连，推测这种现象是通过不相等的杂交发生的。一般认为，串联重复对植物适应快速变化的环境很重要。

（2）近端重复(Proximal duplication, PD)产生的基因拷贝彼此靠近，但被几个基因（10个或更少的基因）分开，可能是通过局部转座子活动，也可能源于被其他基因打断的古老串联重复。

（3）转置重复(transposed duplication, TRD)产生由一个祖先位点和一个新位点组成的基因对，并被认为是通过基于DNA或基于RNA的机制发生的远端转座复制而产生的。

（4）分散重复(Dispersed duplication, DSD)通过不可预测和随机的模式发生，其机制尚不清楚，产生两个既不相邻也不共线的基因拷贝。分散的重复序列普遍存在于不同的植物基因组中。

鉴定重复基因

Fig 2

2019年发表在Genome Biology上的文章“Gene duplication and evolution in recurring polyploidization–diploidization cycles in plants”对以上几种重复类型开发了一个鉴定软件——DupGen_finder，本次推送介绍如何利用该软件鉴定不同类型的重复基因。

Fig 2是该软件的工作流程，从blastp输出的全部同源基因出发，一步一步鉴定WGD、TD、PD、TRD和DSD。该软件提供的DupGen_finder.pl可以鉴定出不同类型的重复模式，但是这样输出的结果中可能会有冗余，即对重复基因可能被注释出不同的重复模式。为了消除这种溶剂，作者还提供一个更为严格的脚本（DupGen_finder-unique.pl），该版本将所有重复基因对划分成不同的重复基因类型后，为每个重复基因对匹配一个唯一的模式。重复基因的优先顺序为：WGD>TD>PD>TRD>DSD。

Fig 3

Fig 4

Fig 5

输入文件需要四个（Fig 3）。

（1）目标物种（Arabidopsis thaliana, Ath）的基因注释文件（Ath.gff, Fig 4），注意与我们一般用到的gff文件不同，这里只有基因信息。

（2）目标物种的blastp结果（Ath.blast, Fig 5），自己对自己，鉴定“同源/重复”基因。

Fig 6

Fig 7

（3）外群的基因注释文件（Ath_Nnu.gff, Fig 6）,这个文件前半部分是Ath的，后半部分是Nnu的，可以通过“cat Ath.gff Nnu.gff >Ath_Nnu.gff” 合并。外群为Nelumbo nucifera (Nnu) 。

（4）目标物种和外群的blastp结果(Ath_Nnu.blast, Fig 7)

Fig 8

4个输入文件放在同一个文件夹（data）下，保持前缀一致运行即可（Fig 8）。  -t是目标物种, -c是外群。

输出结果

Fig 9

Fig 10

Fig 11

输出文件有15个，Fig 9中的是鉴定出的Ath的物种类型的重复基因对和统计信息。Fig10的五个文件展示了某一类具体有哪些基因。Fig 11是Ath种内核Ath-Nnu种间的共线性信息。

Ath.singletons是它包括在目标物种中没有同源基因的基因。

在此之前，已经有几位老师或同学做了该软件的教程，具体可参考https://www.jianshu.com/p/a3a39b2f341b和https://www.jianshu.com/p/75bfcea27826

官方教程请参考https://github.com/qiao-xin/DupGen_finder和发表文献。

最后给出一点我的建议，学习一款新的软件时，建议先通读发表该软件的文章，搞清楚开发该软件的背景、这款软件能帮助我们解决怎样的问题、解决该问题的其他方法是什么、这款软件的优势是什么、这篇文章的引用次数、这款软件github的更新频率以及认可度。然后再去查一下有没有同仁发表的教程或推送以初步理解然后跑通，再去github上把作者对该软件的介绍全部看一遍，自己理解消化。

本文使用 文章同步助手 同步