OrthoMCL是目前最常用的基因家族分析软件，从2013年发布2.0版本之后再也没有更新过，虽然它的安装过程复杂负责，但是依旧挡不住大家对他的喜好。
当然软件安装复杂是相对于之前，现在用Docker就可以轻松的安装和使用OrthoMCL。由于
docker pull jasonkwan/orthomcl_docker
由于该容器自带一个run_orthomcl.py, 只要你准备好输入数据和配置文件，就能够自动化进行分析.
其中run_orthomcl.py的参数有5个
- -t/--table_path fasta_table的文件路径
- -s/--start_stage: 开始阶段，1,2,3,4
- -e/--end_stage: 结束阶段， 1,2,3,4
- -p/--processors: 线程数
- -c/--config_file: 配置文件
其中-s和-e的1-4分别对应为
- 1: 使用orthomclAdjustFasta, orthomclFilterFasta进行数据预处理
- 2: 使用DIAMOND进行all-vs-all blast
- 3: 使用MySQL数据库寻找配对
- 4: 使用MCL处理配对
分析流程
我们以一个具体的案例说明下。新建一个文件夹，例如说test， 里面是收集好的物种氨基酸序列。
$ ls
Alyrata.faa Athaliana.faa Chirsuta.faa
由于Docker版本的OrthoMCL使用DIAMOND进行blastp比对，因此一定要保证你的氨基酸序列中没有"."，否则会报错。可以用seqkit grep过滤不合格的序列。
seqkit grep -s -vrp '"\."' input.fa > output.faa
之后创建一个fasta_table，放在test目录下。该文件分为两列，第一列是文件名，第二列是缩写。
Alyrata.faa Aly
Athaliana.faa Ath
Chirsuta.faa Chi
准备配置文件orthomcl.config，同样放在test目录下
dbVendor=mysql
dbConnectString=dbi:mysql:orthomcl:mysql_local_infile=1
dbLogin=root
dbPassword=PAssw0rd
similarSequencesTable=SimilarSequences
orthologTable=Ortholog
inParalogTable=InParalog
coOrthologTable=CoOrtholog
interTaxonMatchView=InterTaxonMatch
percentMatchCutoff=50
evalueExponentCutoff=-5
oracleIndexTblSpc=NONE
在test同级目录下运行如下命令
docker run --privileged=true --rm -it --volume $PWD/test:/outdir:rw jasonkwan/orthomcl_docker:latest bash
就会进入Docker的交互命令行，运行run_orthomcl.py
cd outdir
run_orthomcl.py --table_path fasta_table --config_file orthomcl.config --processors 32 &
假如不希望进入交互命令行，那么需要按照下面的方法进行运行
docker run --privileged=true --rm --volume $PWD/test:/outdir:rw jasonkwan/orthomcl_docker:latest /bin/bash -c "/tmp/.runconfig.sh && run_orthomcl.py --table_path /outdir/fasta_table --config_file /outdir/orthomcl.config --processors 32 "
最终输出结果是groups.txt。下一个问题是，当你有了groups.txt后，下面能做什么分析呢？
按照对基因组学文章的整理，基本上就是下面两个
- 使用单拷贝基因构建系统发育树。
- 使用CAFE进行基因家族扩张收缩分析
我正在找一篇文章尝试重现这个流程。
参考资料
- https://hub.docker.com/r/jasonkwan/orthomcl_docker
- https://bitbucket.org/jason_c_kwan/orthomcl_docker/src/master/Dockerfile
- 特别感谢Leo在Docker上的帮助
- Dockerfile中CMD和ENTRYPOINT: https://www.cnblogs.com/sparkdev/p/8461576.html
