software

MCScanX 已读入 6 对反向锚点,为什么共线性图上没有这条带?

作者:发布于 2026-11-15约 9 分钟阅读
6 对反向锚点为何没有成块?。来自两物种的 14 对匹配都被读入,但默认只留下正向区块。。八对正向,区块 E 值 1.2 × 10⁻⁷,默认显著性和最少五个锚点均通过。六对反向,区块 E 值 0.00015,固定锚点下限,放宽显著性后出现。少一条匹配,下限六对时,反向区块消失,参考坐标和染色体的排列没有改动。

在两个物种间挑出六对同源基因,一边沿染色体从左向右排列,另一边顺序完全相反。直觉上应该能在共线性图上看到一条反向带,软件日志也确认这些匹配已经读入,但默认输出中没有这个区块。我们用一个同事可以手工画在纸上的实例重新跑了六次 MCScanX,发现六对单基因匹配都能非常显著,整个区块却仍然达不到默认的统计要求。这是读共线性报告时最值得分清的两个层次。

一个区块为什么需要两种证据

第一种证据说明两个基因的序列彼此相似。它来自蛋白同源搜索,涉及比对长度、覆盖范围、匹配得分和单次匹配的期望值。第二种证据说明若干这样的匹配在两条染色体上以一致的次序成串出现。共线性分析利用的是后一种结构,基因组坐标决定它能否把各对同源基因连成有解释力的区块。一个短结构域可能与很多家族成员都产生可信的局部命中,但这些基因如果散落在不同染色体,就不能据此推导出一段保留的基因顺序。反过来,某个高度分化的基因即使没通过单基因搜索阈值,它的两侧也可能仍由可靠锚点连接。MCScanX 方法论文

在该工具中,锚点对由输入的基因匹配提供,染色体内的排列取决于位置文件。程序沿基因顺序寻找链,在建立区块时还要考虑可跳过的基因数、匹配分、间隙罚分以及区块层面的显著性。一个软件参数若控制的是区块,就不能拿输入蛋白搜索结果中某一行的期望值去验证它是否通过。我们有意把同源输入做得十分简单,让每条同源边的期望值都相同。这样当第二块消失时,可以向上游和下游分别问清楚,它是没进候选,还是已经进来却没有通过成块条件。MCScanX 输入和参数说明

6 对反向锚点为何没有成块?。来自两物种的 14 对匹配都被读入,但默认只留下正向区块。。八对正向,区块 E 值 1.2 × 10⁻⁷,默认显著性和最少五个锚点均通过。六对反向,区块 E 值 0.00015,固定锚点下限,放宽显著性后出现。少一条匹配,下限六对时,反向区块消失,参考坐标和染色体的排列没有改动。
来自两物种的 14 对匹配都被读入,但默认只留下正向区块。

实跑经验 · 同一份十四对匹配,只改一个限制

我们从固定提交编译 MCScanX,设计甲、乙两个物种,每个物种各有两条染色体,每条放八十个顺次编号的基因。第一对染色体里放八对同向排列的匹配,第二对染色体里放六对反向排列的匹配。两份基因位置表共三百二十个基因,只有十四对同源边进入模拟搜索结果。每条匹配都写入相同的比对长度和期望值,其他基因只用来提供染色体背景。输入由脚本生成,这里实际测试区块推断,未在人工数据上另做蛋白序列搜索。六次运行脚本、输入设计与结果

python3 098-mcscanx/run.py /path/to/MCScanX work
# 比较两轮区块头。每个区块之下是构成它的具体基因对
grep '^## Alignment' work/default/test.collinearity
grep '^## Alignment' work/loose_min5/test.collinearity
区块 E 值上限 锚点下限 输入基因匹配 正向区块 反向区块
0.00001 5 14 8 对 无
0.05 5 14 8 对 6 对
0.05 6 14 8 对 6 对
0.05 7 14 8 对 无
0.05 9 14 无 无
0.05 6 13,删除一对反向匹配 8 对 无

默认报告里只有正向区块,但日志记载十四对匹配全部成功读入,程序处理了两对染色体。只把区块期望值上限放宽到零点零五,反向区块就出现了。看区块头部,正向块有八对锚点,区块期望值为一点二乘十的负七次方。反向块有六对,区块期望值为零点零零零一五。后者高于默认的十万分之一,低于实验里放宽后的上限。输入单基因匹配的期望值却全是十的负七十次方。因此这一次默认图里缺一带的原因从中间文件就可以解释,无需先猜反向序列是不是取错了。

接着固定放宽后的显著性条件,只提高最少锚点数。要求六对时正反两块都保留,升到七对时六对的区块退出,升到九对时连完整的八对正向块也消失。最后把下限恢复为六,再从反向区块输入中只删去一对匹配。剩下十三对全部输入,正向八对仍然成块,反向链却只剩五对,无法满足条件。这一步展示了注释缺失如何间接改变共线性图,基因组没有重新组装、坐标顺序没有翻转,原始证据少一条便足以让一整条带消失。

怎样区分反向共线性和“所有基因都在负链”

回到那六对基因。在甲的第二条染色体上,六个锚点按位置递增排列。沿着相同的甲序列依次查乙物种的伙伴,会看到对方的序号呈递减趋势。这才是输出把区块标为负向的直接依据。一个基因自己的转录方向与整个区块的相对方向是不同的信息。即使同一段内正负链基因交错,只要两物种的相对排列有规律,也可能形成同向或反向区块。把注释中每个基因的正负号直接当作区块方向,无法解释这种结果。

看清反向带后,也不要马上把它写成某个物种新出现的一次倒位。若用于比较的染色体或组装片段本身以相反方向提交,同一条物理序列也会画出反向关系。要提出倒位推断,可先看该区块两侧有无稳定的同向背景,再检查跨越两端的独立组装或长读段证据。只有一条很短的未定位片段时,整个片段的存储方向可能是任意的。若还想判断哪条进化分支发生变化,需要另加合适的外群来极化事件。共线性区块提供候选位置,事件方向还需要额外信息。

输入文件最容易怎样毁掉一条真实的带

最常见的情况是两张表里使用了不同的标识。蛋白比对用转录本名,位置文件用基因名,二者表面相似却有不同后缀。先把匹配表两端的标识合并成集合,再与位置表里所有基因标识比较。对漏掉的标识要保留样例回查,别把所有名字的末尾统一截断后继续。如果一个基因产生多个异构体,处理不当会让同一个位置出现一串彼此不同的锚点。若一个基因在位置表中有多处位置,又会把同源边连到错误的染色体。让两份输入共同映射到唯一、可追溯的基因座,是后面讨论区块强弱的前提。

第二种情况是坐标定位或排序不一致。检查位置表是否来自产生蛋白的同版注释,并确认每个物种的染色体名可以彼此区分。相同的短染色体号出现在两物种中时,应在生成输入阶段采用清晰的物种前缀。再抽几条基因按照数值坐标排序,亲眼看一下程序应该看到的邻近顺序。一个纯文本排序若把一百放在二十前面,肉眼看似整齐的文件就可能给自编脚本带来错误。对于组装更新过的项目,要确认基因映射确实换到了新坐标,老编号仍然存在并不意味着位置数据还是当前版本。

第三种情况是重复家族或串联簇造成同源候选过多。一个家族有十几个相邻成员时,两个物种之间可能出现成片的多对多匹配。若简单按每个基因只取一个最佳命中,真正能与周边形成一致链条的伙伴可能被丢弃。若把所有局部弱命中都放进去,又会产生很多竞争性锚点。可以同时查看同源覆盖和邻域上下文,挑几个存在多重选择的基因,在筛选前后列出可用伙伴、其他锚点的顺序和选中的区块。这样比机械改动一个全局阈值更有助于判断问题来自蛋白同源筛选,还是来自基因顺序本身。

哪个参数该动,取决于哪种证据先丢

将诊断拆成几个可以记录的数量。先问两个物种各有多少蛋白能在位置表找到,再问多少对相似性匹配成功读入,之后按染色体对统计候选锚点数,最后才去看区块报告。若某条预期染色体对连足够的候选都没有,放宽区块显著性不会造出缺失的原始锚点。如果候选数量足够,并且顺序肉眼可见,可以进行本文这种单因素对照。若只改一个条件就恢复区块,应保存恢复前后原始头部及锚点明细,同时检查其他染色体是否冒出大量可疑的短区块。

把显著性条件放宽到零点零五是为了在可控小样本里把两个判断拆开。真实全基因组里两两比较的染色体组合多,基因家族复制程度不同,候选边图的密度也复杂得多。此时一个宽松条件可能带入由偶然排列造成的候选。可采用真正关心的基因区域和若干一般背景区域并行检查,查看新增短区块是否有独立同源、基因邻域和连续比对支持。若要用随机化作为背景,应保留合适的染色体、家族大小和基因密度特征,再观察在打乱允许变化的关系后能构成多少相似链。小样本里的成功复现只回答了选项机制。

还有一个应当写在图注中的尺度问题。以基因为单位构建的共线区块,回答的是若干基因是否保留了相对顺序。两个相邻锚点之间可以因物种特异的重复扩增而相隔很远,整段基因间序列也可以几乎无法做核酸比对。若研究目标是寻找一个保守调控元件,应在锚点界定的对应区域内继续做序列层面的比较,检查附近有无非编码同源和相应的方向。若只需要确定两段染色体是否有共同的基因邻域,则可以保留基因顺序一致而核酸序列难以整体比对的区域。这两类分析对“保守”的操作定义不同。

样品若经过近期多倍化,还可以出现一条甲染色体的同一区域与乙物种两个位置都构成区块。先保留两个候选的完整锚点列表,查看它们是否都有足够的旁侧基因和连续片段,再结合物种关系判断复制历史。仅凭哪一条带画得更粗就舍弃另一个位置,可能把最近的复制或分馏信号一起删掉。

给比较基因组报告留一条可回查的证据链

每个重点区块至少保存两个物种的区间、方向、锚点数、区块得分和期望值,以及组成它的全部基因对。若还要结合功能或表达,把各成员映射到同版注释,再去看区块中哪个位点是真正的研究对象。对一条“可能缺失”的基因,查看它左右各几个锚点,沿另一个基因组找到对应的空位,再检查空位是否落在缺口、断点或已有未注释编码证据处。图上缺少一根连线,只说明目前的输入与规则没把它连出来。

这个小实验还提供了两个容易复用的阳性和阴性对照。八对正向锚点在较窄的显著性条件下已经出现,适合用于检查软件与输入映射是否基本正常。六对反向锚点在放宽条件后才出现,并会在删一对或提升锚点下限时消失,很适合用于检查自建绘图流程是否漏画反向块。把绘图文件和原始区块头放在一起,一旦有人只改了颜色、筛了某类染色体或误用了旧版结果,也能及时知道图和数据何处脱节。

若后续需要跨多个植物基因组进行全对全同源搜索和共线性重建,可带上已核对的锚点规模与物种组合向云生信生物分析服务器团队评估整批任务。

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 ↗