全基因组复制
- 全基因组复制事件是物种的染色体由于某种原因整体复制加倍的事件；
- 大多数被子植物都经历过多倍化事件；
- 物种在自然选择压力较大的时候可能会发生全基因组复制来丰富自己的DNA原件，如基因、转座子；
- 全基因组复制之后，小部分有利于物种进化的基因被保留，而大多数冗余的基因会消失或变成假基因。
WGD鉴定方法
• intragenome duplication ：通过严格的比对标准和统计验证将基因组序列与自身进行比对。
– Ks 同义替换率
– 4DTv (4 fold Degenerate Transversion) ,四重简并位点颠换率
• double synteny ：直接比较不同物种基因组间的线性关系。
理论上，两对由复制产生的基因应该有同样的“年龄”，也就是说由于多倍化产生的复制gene pair间序列的分歧应该是一致的。Ks 常用来作为分子钟计算来计算分化或者复制时间，因此Ks分布产生的峰值常用来表示复制（物内分析）或者分化（种间分析）
使用 wgd 软件进行分析
wgd 软件网址：https://github.com/arzwa/wgd
物种内 Ks 值计算
数据准备：物种的cds（1.cds.fasta）
# diamond 比对 并进行MCL聚类
wgd dmd -e 1e-10 --nostrictcds -o output.dmd 1.cds.fasta
# 计算Ks值
wgd ksd --n_threads 10 -mp 500 -o output1.ksd output1.dmd/1.cds.fasta.mcl 1.cds.fasta
# 共线性分析,提取共线性基因对Ks值
wgd syn -o output1.syn -ks output1.ksd/1.cds.fasta.ks.tsv -f mRNA -a ID 1.gff output1.dmd/1.cds.fasta.mcl
# 基于mcscanx结果,提取共线性基因对Ks值
perl ks_mcscanx.pl output1.ksd/1.cds.fasta.ks.tsv 1.collinearity > 1.syn.ks.tsv
物种间 Ks 值计算
数据准备：两个物种的cds序列（1.cds.fasta、2.cds.fasta）
# diamond 比对和提取直系同源基因
wgd dmd --nostrictcds -e 1e-10 -o output2.dmd 1.cds.fasta 2.cds.fasta
# 计算Ks值
wgd ksd --n_threads 10 -o output2.ksd output2.dmd/i1.cds.fasta_2.cds.fasta.rbh 1.cds.fasta2.cds.fasta
Ks 绘图
ks1=output1.ksd/1.cds.fasta.ks.tsv
ks2=output12.ksd/1.cds.fasta_2.cds.fasta.ks.tsv
ks3=1.syn.ks.tsv
# 每组数据过滤小于0.0005Ks值，并加标签
awk -F "\t" 'NR>1 && $9 >= 0.0005 {print $1"\t"$9"\t1"}' $ks1 | sort -u > 1.ks
awk -F "\t" 'NR>1 && $9 >= 0.0005 {print $1"\t"$9"\t1_2"}' $ks2 | sort -u > 1_2.ks
awk -F "\t" 'NR>1 && $9 >= 0.0005 {print $1"\t"$9"\t1_syn"}' $ks3 | sort -u > 1.syn.ks
# 合并Ks数据
cat 1.ks 1_2.ks 1.syn.ks |sed '1s/ˆ/pair\tKs\tspc\n/' > all.ks
# 绘制Ks分布图
Rscript ks.R all.ks WGD
