云生信学生物信息学

多物种分析增量维护:搜索结果复用、版本记录与重跑边界

作者:发布于 2026-11-22更新于 2026-11-15约 6 分钟阅读
多物种分析增量维护

多物种分析增量维护:冻结旧映射和搜索结果;区分全量重推与核心分配;复制基线后新增物种;核对新树与分组的身份
本文操作与检查路径示意。

新增物种时,OrthoFinder可以复用已有搜索结果,但“复用搜索”和“只给新物种分配到核心结果”是两种任务。先确认希望重新估计全部分组,还是在固定核心上扩展,再选入口。本篇给出两种边界及一次可追溯的搜索复用操作,避免把WorkingDirectory当作可随意拼接的缓存。

先选择需要改变的结果范围

本篇依据OrthoFinder 3当前接口,旧版本没有同样的核心分配能力。先记录原软件、外部工具、蛋白集和参数;旧物种序列发生变化时,不应默认旧搜索仍适用。蛋白质文件改名也可能改变物种编号,不能只凭目录中存在BLAST文件就判定身份一致。

入口 适用任务 复用边界
-b旧WorkingDirectory 从既有搜索继续 需要完整编号映射与搜索结果
-b旧目录 -f新蛋白目录 新增物种并重新推断 新目录只包含新增物种
–core结果 –assign新目录 固定核心框架分配新物种 不是全体重新all-vs-all的同义词
-fg / -ft 从正交组或基因树阶段继续 输入与上游方法须兼容

用独立副本保护原始搜索包

OLD_WORK填写原结果中的完整WorkingDirectory,NEW_FASTA填写仅含新增物种蛋白集的绝对目录。先用原结果自带映射核对物种与序列,不手动重编号。先核对所有符号链接目标及展开后的空间;以下cp -aL将链接目标内容实体化到新副本,避免新运行通过链接写回原包。源包及链接目标须在复制期间冻结且可访问,损坏链接会使复制失败。本机副本仍不等于独立备份。

set -euo pipefail
: "${OLD_WORK:?填写完整旧WorkingDirectory}"
: "${NEW_FASTA:?填写仅含新增物种蛋白的目录}"
test -s "$OLD_WORK/SpeciesIDs.txt"
test -s "$OLD_WORK/SequenceIDs.txt"
test -d "$NEW_FASTA"
mkdir orthofinder-reuse-001
root="$PWD/orthofinder-reuse-001"
cp -aL -- "$OLD_WORK" "$root/WorkingDirectory"
(
  cd "$root/WorkingDirectory"
  find . -type f -print0 | LC_ALL=C sort -z | xargs -0 -r sha256sum > "$root/before.sha256"
)
test -s "$root/before.sha256"
orthofinder -h > "$root/orthofinder.help.txt"
/usr/bin/time -v -o "$root/run.time" orthofinder \
  -b "$root/WorkingDirectory" -f "$NEW_FASTA" \
  -M msa -S diamond -A mafft -T fasttree -t 2 -a 1 \
  > "$root/run.log" 2>&1

复用成功后仍需检查新推断

从run.log取得实际新结果目录,核对旧物种全部保留、新物种全部纳入,并检查新搜索与后续MSA、树推断确实完成。旧搜索阶段省时不表示整个任务无需重跑:新增物种可能改变正交组、基因树和物种树。结果合并时使用物种、稳定基因ID和来源版本建立映射,不直接假设新旧HOG编号具有相同含义。

如果日志提示缺少搜索文件、映射编号或依赖版本不兼容,先回到完整原结果核对,不能从另一次运行借几个同名文件凑齐。原始蛋白被修改时重新建立适用的搜索基线,保留重算理由;搜索参数改变也需要重新判断哪些旧搜索可继续使用。

固定核心分配是另一个受控试验

只有目标是保留核心框架时才采用下列入口。核心应为当前版本要求的完整MSA结果,并已具备相应依赖,包括当前核心分配路线需要的ASTRAL-Pro3。不要将普通中断目录直接当作core。先在单独项目目录验证少量新增物种,记录实际输出和分配覆盖率,再扩展。

set -euo pipefail
mkdir orthofinder-assign-001
cd orthofinder-assign-001
/usr/bin/time -v -o assign.time orthofinder \
  --core /data/core/Results_Core --assign /data/new_species \
  -t 2 -a 1 > assign-run.log 2>&1

验收时比较核心物种和新增物种的身份、分配比例、未分配基因与异常家族,而不是只确认命令退出零。固定核心的假设会影响结果解释,不能把它宣传为全量重新推断的完全等价替代。为两条路线各保留独立任务记录和完整结果包。

容量预算包括旧搜索副本、新增搜索、比对、树和结果,提前查看可用盘并记录高水位。每次增量写清新增列表、输入SHA、入口、版本、实际结果目录和验收结论;下一次维护据此选择可复用的基线,避免形成来源不清的连续缓存。

参考资料

需要额外算力时

适用前提:确有多批次重复分析和中间结果保留需求,需核算存储。如需额外资源,可评估服务器租赁及按需工作盘或存储。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗