OrthoMCL (http://orthomcl.org/orthomcl/)主要用來找直系同源基因以及旁系同源基因。它主要在比較完整的基因組之間找直系同源基因。OrthoMCL的使用主要13步，可以參考doc/OrthoMCLEngine/Main/UserGuide.txt。爲了方便運行OrthoMCL，可以建立一個工作目錄“my_orthomcl_dir”。
1>配置OrthoMCL程序
將orthomcl.config.template拷貝到你工作目錄下(my_orthomcl_dir)。然後根據所建的mysql數據庫名，用戶名，密碼。修改該文件。例子如下：
主要有兩個閾值參數：
percentMatchCutoff:
blastsimilarities with percent match less than this value are ignored.
evalueExponentCutoff:
blastsimilarities with evalue Exponents greather than this value are ignored.
2> 利用orthomclInstallSchema命令對Oracle或者Mysql數據庫進行配置
Usage:
orthomclInstallSchema config_file sql_log_file table_suffix
比如在my_orthomcl_dir目錄下運行:
../orthomclSoftware-v2.0.9/bin/orthomclInstallSchemaorthomcl.config.template orthomcl.config.log。
3> 利用orthomclAdjustFasta命令把輸入文件轉換爲orthomcl所需的文件格式
Usage:
orthomclAdjustFasta taxon_code fasta_file id_field
這裏從Ensembl下載了Ustilago maydis和Saccharomyces cerevisiae兩個物種的蛋白質組文件。
../orthomclSoftware-v2.0.9/bin/orthomclAdjustFasta Ust Ustilago_maydis.fasta 1
../orthomclSoftware-v2.0.9/bin/orthomclAdjustFasta Sac Saccharomyces_cerevisiae1
就會生成兩個文件:Ust.fasta 和Sac.fasta。爲方便運行my_orthomcl_dir/compliantFasta/。
參數意義如下:
4> 利用orthomclFilterFasta命令過濾掉差的序列文件
Usage:
orthomclFilterFasta input_dirmin_length max_percent_stops [good_proteins_file poor_proteins_file]
例如運行:
“../orthomclSoftware-v2.0.9/bin/orthomclFilterFasta ./compliantFasta/”。
之後就會生成兩個文件:goodProteins.fasta與poorProteins.fasta。
參數意義如下:
5> Blast比對
對上一步得到的goodProteins.fasta進行多對多的比對。推薦使用NCBIBlast.
我這裏使用是ncbi-blast-2.2.28+。
運行命令:
“~/Universal_softwore_src/ncbi-blast-2.2.28+/bin/makeblastdb-in good_proteins.fasta -dbtype prot -out good_proteins.fasta”
“~/Universal_softwore_src/ncbi-blast-2.2.28+/bin/blastp-db goodProteins.fasta -querygoodProteins.fasta -outfmt 7 –out goodProteins_blastp.out ”。
然後生成tab delimited格式的輸出文件goodProteins_blastp.out。生成的比對文件最好是tab文件格式。不同的版本的輸出格式參數也許不一樣。該軟件就是-outfmt 7。
得到該文件之後需進一步處理之後才能被後面的步驟所使用(只把hits行挑選出來,註釋信息丟掉)
可以運行如下命令得到:
“grep -v -P"^#" goodProteins_blastp.out > goodProteins_v1_blastp.out”。
6> 利用orthomclBlastParser命令將上一步得到的blast比對結果進行解析，默認閾值爲e-value：1e-5 ；Coverage：50%
Usage:
orthomclBlastParser blast_file fasta_files_dir
運行命令:
” ../orthomclSoftware-v2.0.9/bin/orthomclBlastParser goodProteins_v1_blastp.out ./compliantFasta”
運行完之後生成similarSequences.txt文件。
參數意義如下:
7> 利用orthomclLoadBlast命令將blast結果導入到mysql數據庫中
Usage:
orthomclLoadBlast config_file similar_seqs_file
運行命令如下:
“../orthomclSoftware-v2.0.9/bin/orthomclLoadBlast orthomcl.config.template
similarSequences.txt”
參數意義如下:
8> 利用” orthomclPairs”對數據庫中的SimilarSequence表中數據，進行pairs的運算
Usage:
orthomclPairs config_file log_file cleanup=[yes|no|only|all]<startAfter=TAG>
運行命令如下:
“../orthomclSoftware-v2.0.9/bin/orthomclPairs orthomcl.config.template pairs.log cleanup=yes ”
默認情況,下，在mysql中生成三個表: PotentialOrthologs,PotentialInParalogs, PotentialCoOrthologs。
參數意義如下:
9> 利用命令orthomclDumpPairsFiles對數據庫中的pairs表進行處理
Usage:
orthomclDumpPairsFiles config_file
運行命令如下:
“../orthomclSoftware-v2.0.9/bin/orthomclDumpPairsFiles paris.log”
參數意義如下:
生成mcllnput文件和pairs目錄。這個目錄包含三個文件:
ortholog.txt, coortholog.txt, inparalog.txt。
每一個文件有三列: proteinA, protein B, their normalized score (See the Orthomcl Algorithm Document)。
10> 利用mcl程序把上一步的結果進行聚類
運行命令如下:
mcl ./mclInput --abc-I 1.5 –o ./mclOutput 具體參數可以參考mcl文檔。
11> 利用orthomclMclToGroups命令將mcl的輸出結果轉換爲groups.txt
Usage:
orthomclMclToGroups my_prefix 1 < mclOutput > groups.txt
運行命令如下:
參數意義如下:
groups.txt就是最終的結果文件。文件中的每一行代表可能存在的蛋白質家族。
文章來源：http://ngs-assist.com/forum.php?mod=viewthread&tid=46
文章來源：http://ngs-assist.com/forum.php?mod=viewthread&tid=46