| 解析パイプライン |
| 基本構造 |
基本的な構造：すべてのタンパク質配列について以下の処理を行います．
1. 候補配列の収集
2. 遺伝子系統樹の推定
3. オーソログの選定
スクリプトをつなげる：以下のように，Perl script の system command を使って，短いスクリプトをつなげます．
for (....) {
system("perl 010SCRIPT.pl infile > 010out.txt");
system("perl 020SCRIPT.pl 010out.txt > 020out.txt");
system("perl 030SCRIPT.pl 020out.txt > 030out.txt");}
| 1. 候補配列の収集 |
二種類のデータ：Ensembl を使います．種ごとにすべての遺伝子について cDNA 配列とアミノ酸配列が公開されています．一つの遺伝子について，cDNA 配列とアミノ酸配列，2 種類の fasta ファイルをダウンロードします．
release-86 > fasta > tetraodon_nigroviridis に入って，以下を参照に cds と pep ファイルをダウンロードしてみましょう．
1.2. トランスクリプトを選ぶ
遺伝子によっては，複数のトランスクリプトが報告されています．スクリプトを書いて，とりあえず最長のトランスクプトを選びます．
1.3. 類似性検索
Local blast を使います． 全アミノ酸配列データを種ごとにデータベース化して，ヒトのアミノ酸配列をクエリに blast 検索します．
| 2. 遺伝子系統樹の推定 |
2.1. アライメント
アミノ酸配列のアライメントは MAFFT を使って，行います．cDNA 配列のアライメントは，PAL2NAL を使います．
2.2. トリミング
アライメント困難な領域の削除は，trimAl を使います．
2.3. 遺伝子系統樹の推定
RAxML を使って最尤樹を推定します．時間がかかるので，Supercomputer を使って並列に解析を行います．近隣結合法は R の Ape パッケージを使います．それぞれブートストラップ解析も行います．
多くの場合，アミノ酸配列より cDNA 配列で解析を行った方が良い系統樹が得られます．アミノ酸より cDNA 配列の方が長い，というのが主な理由だと思います．
| 3. オーソログの選定 |
こちら (sample_recon.tar.gz) の例題を用いて説明します．
3.1. 遺伝子系統樹と種の系統樹を比較
Notung を使って遺伝子系統樹と種の系統樹を比較し，オーソログ・グループ (オーソログの集合) を判定します．
3.2. オーソログ・グループの選定
Perl script で Notung から出力される NHX フォーマット の tree を処理し，以下の条件を満たすクレードを探します．
このとき遺伝子系統樹で推定された枝のブートストラップ確率 (B=95.0) を参考に，信頼性の高い遺伝子系統樹だけを選ぶことも可能です．・クエリ配列 (図では Medaka_UTOLAPRE05080305976) が含まれる．
・Teleostei か Percomorpha というクレードで，もっとも leaf が少ない．
・根幹の分岐が D=N とタグされている．D=Y は遺伝子重複による分岐を示す．
([&&NHX:S=Percomorpha:Nset=<Medaka@GasTet>:H=N:D=N:B=95.0] とラベルされている)
| 3.3. Newick format の描画 R を使います． treePlot.tar.gz を参照してください． |
 |
| 染色体上へのマッピング |
| 得られたオーソログ情報を Circos を使ってマッピングすると，右図のように二種間でゲノム構造の比較ができます．遺伝子の染色体上の位置を得るには，Ensembl の BioMart を使います． |  |
| 右にある 5 つの protein ID (Human) を下図で示した箱にコピー&ペースしてください． | ENSP00000346733 ENSP00000382114 ENSP00000346595 ENSP00000370718 ENSP00000372154 |
 |
 |
 |