PlantAI-dev/codeMiaoshu/hexing/hexing.md

#TV|# 核型图 (Karyotype/Karyogram Analysis)

1. 数据准备

1.1 Ft.gff (基因位置文件)

• 格式: chr\tgene_id\tstart\tend (制表符分隔，无表头)
• 来源: 共线性分析输出 synteny/analysis/{prefix}.gff
• 生成命令 (参考 run_synteny.py filter_gff3 函数):

  awk -F "\t" '$3=="mRNA" {split($9,a,";"); print $1"\t"a[1]"\t"$4"\t"$5}' Ft_final.gff3 | sed 's/ID=//g' > Ft.gff
  

1.2 Ft.SPL.geneID (家族基因ID列表)

• 格式: 一行一个 gene_id (无表头)
• 来源: Identify 阶段输出 final/{prefix}.final_members.id
• 注意: 需确认基因ID格式与 Ft.gff 中第2列一致 (是否带 .01.T01 后缀)
• 如需去除后缀:

  sed 's/\.01\.T01//g' Ft.SPL.final_members.id > Ft.SPL.geneID
  

1.3 genome.len (染色体长度)

• 格式: chr\tlength(bp) (制表符分隔，无表头)
• 生成命令:

  seqkit fx2tab -l -n -i Ft.genome.fasta | grep "^Ft" | awk '{print $1"\t"$2}' > genome.len
  

1.4 Ft.tandem (串联重复基因)

• 格式: 每行 gene1,gene2 (逗号分隔，无表头)
• 来源: MCScanX 共线性分析的 dup_class.log 或需单独提取
• 说明: 用于在核型图中标记串联重复基因 (红色点)
• 备选: 如果没有串联重复数据，可创建空文件 touch Ft.tandem

2. 绘图

2.1 R 脚本

• 脚本位置: scripts/karyogram_gene_family.R
• 参数说明:

  1: gff        - Ft.gff 文件路径
  2: family_ids - Ft.SPL.geneID 文件路径  
  3: genome_len - genome.len 文件路径
  4: tandem     - Ft.tandem 文件路径
  5: output.pdf - 输出 PDF 文件名
  6: label_gap_mb (可选) - 标签最小间距，默认 2 Mb
  

2.2 执行命令示例

# 假设所有文件都在当前目录
Rscript ../scripts/karyogram_gene_family.R Ft.gff Ft.SPL.geneID genome.len Ft.tandem Ft.SPL.karyogram.pdf 2

# 或带参数
Rscript ../scripts/karyogram_gene_family.R Ft.gff Ft.SPL.geneID genome.len Ft.tandem Ft.SPL.karyogram.pdf 5

3. 输出

• {prefix}.karyogram.pdf - 核型图 PDF 文件

4. 注意事项

1. 文件路径: 建议使用软链接指向实际数据位置 (如 workspace/test_job/synteny/analysis/)
2. 基因ID匹配: 确保 Ft.gff 中的基因ID与 Ft.SPL.geneID 中的完全匹配
3. 染色体顺序: genome.len 中的染色体顺序决定核型图中染色体的排列顺序

5. 相关文件位置参考

• R脚本: /home/xia-lab/wutx/00test/bbav2/scripts/karyogram_gene_family.R

• 共线性契约: /home/xia-lab/wutx/00test/bbav2/gfa_core/schemas/stages/synteny_contract_v1.md

• 示例数据:

  • 基因组: input/test_job/Ft.genome.fasta
  • GFF3: input/test_job/Ft_final.gff3
  • 基因ID: workspace/test_job/final/Ft.SPL.final_members.id

  DeepTMHMM预测:biolib run DTU/DeepTMHMM --fasta /home/userlab/home/wutx/00.work/01.gene_family/geneFamily20200803/62.SPL_tree/00.alignment/Ft.SPL.pep.fasta, biolib_results结果文件夹:deeptmhmm_results.md(最终结果),predicted_topologies.3line(分结果),TMRs.gff3(分结果).亚细胞定位Plant-mPLoc:python home/wutx/00.work/01.gene_family/geneFamily20200803/62.SPL_tree/00.alignment/ziji_danbaizhi_tezheng/get_Plant_mPLoc_out.py --input home/wutx/00.work/01.gene_family/geneFamily20200803/62.SPL_tree/00.alignment/ziji_danbaizhi_tezheng/Ft.SPL.pep.fasta --output Ft.SPL_out.txt, Ft.SPL_out.txt(结果文件);亚细胞定位WoLF PSORT:python wolfpsort_batch.py --input ../../00.alignment/Ft.SPL.pep.fasta --output Ft.SPL_wolf_out.txt,Ft.SPL_wolf_out.txt(结果文件)