爾云間? 一個(gè)專門做科研的團(tuán)隊(duì)

原創(chuàng)?小果?生信果

歡迎點(diǎn)贊+關(guān)注+收藏

通過進(jìn)化樹我們可以揭示生物進(jìn)化歷史、推斷分類學(xué)關(guān)系、預(yù)測生物學(xué)特征等，在生物學(xué)中很常用，今天小果來分享一下用MEGA構(gòu)建進(jìn)化樹的方法。

構(gòu)建進(jìn)化樹的過程可以分為三個(gè)主要步驟：收集序列數(shù)據(jù)、進(jìn)行多序列比對、利用比對結(jié)果建立進(jìn)化樹。以下是基于MEGA11.0.13軟件的詳細(xì)步驟：

1.收集序列數(shù)據(jù)

本文以SOCS1基因?yàn)槔?，通過NCBIhttps://www.ncbi.nlm.nih.gov/獲取尼羅羅非魚(Oreochromis niloticus)、斑點(diǎn)雀鱔(Lepisosteus oculatus)、青鳉(Oryzias latipes)、紅鰭東方鲀(Takifugu rubripes)、斑馬魚(Danio rerio)、小鼠(Mus musculus)和人(Homo sapiens)的SOCS1基因fasta序列來進(jìn)行進(jìn)化樹的構(gòu)建。

點(diǎn)擊fasta加載出序列

此時(shí)可以從>開始直接選中所有序列復(fù)制粘貼到文本文檔中，其他物種的序列也同樣操作，粘貼到同一個(gè)文本文檔，保存后然后修改文檔后綴為.fasta就可以了。

另一種方式可以點(diǎn)擊右上方的send to,直接從網(wǎng)頁下載fasta格式的文件，最后將下載的序列放到同一個(gè)文件里就可以了。

獲取所需序列后可以直接在文件中修改序列的名稱，不要刪除>，也可以在樹的構(gòu)建完成后在MEGA中修改，如下，小果改為物種名加基因名的形式。

?

2.多序列比對

打開MEGA?Open A File/Session?Align

選擇Align后會彈出新的窗口，我們比對的序列就加載進(jìn)來了

接下來進(jìn)行序列比對

看到這么多選擇不要慌，如果比對的序列比較少，直接選擇第一項(xiàng)就可以了，如果序列很多可以用MUSCL，比對速度比較快。

這里小果選擇Align by ClustalW

彈出對話框選擇select all即可或者也可以手動選擇要比對的序列

選擇OK默認(rèn)即可

等一會后序列就比對完了，將結(jié)果保存下來。

內(nèi)容有限，未完待續(xù)，小果下期繼續(xù)分享~

如果有繪制進(jìn)化樹的需求，小果強(qiáng)烈安利本公司的云生信平臺，打開鏈接，在云生信·迎新春一欄找到“進(jìn)化樹”，動動手指直接上傳自己的數(shù)據(jù)就出圖啦！下圖是用平臺示例數(shù)據(jù)做的圖喲~

?

怎么樣是不是很簡單呢！快來注冊賬號吧~

生信人R語言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號

開啟升級模式吧

（56線程，256G內(nèi)存，個(gè)人存儲1T）

代碼分享：

【1】lncRNA的拷貝數(shù)變異下游相關(guān)分析
【2】R可視化：ggstatsplot包—科研界的美圖秀秀
【3】隨機(jī)森林算法用于分類預(yù)測和篩選診斷標(biāo)志物
【4】基于本地Java版GSEA的輸出結(jié)果整合多個(gè)通路到一張圖
【5】基于嶺回歸模型和基因表達(dá)矩陣估算樣本對藥物反應(yīng)的敏感性
【6】基于R包NMF對樣本進(jìn)行分型分析
【7】DALEX包用于探索、解釋和評估模型；分析不同特征變量對響應(yīng)變量的影響
【8】根據(jù)腫瘤突變負(fù)荷TMB進(jìn)行KM生存分析尋找最佳的cutoff
【9】基于單樣本富集分析算法評估組織中的免疫細(xì)胞浸潤水平
【10】代碼分享│什么？你還在用散點(diǎn)圖來可視化數(shù)據(jù)之間的相關(guān)性
【11】代碼分享│診斷列線圖、校準(zhǔn)曲線、決策曲線和臨床影響曲線的構(gòu)建
【12】代碼分享│你了解基因的動態(tài)變化模式嗎
【13】代碼分享│生物信息分析之SCI熱門圖表-復(fù)雜熱圖
【14】代碼分享│生物信息分析之SCI熱門圖表-火山圖
【15】代碼分享│生物信息分析之SCI熱門圖表-箱型圖和小提琴圖
【16】代碼分享│深度學(xué)習(xí)-人工神經(jīng)網(wǎng)絡(luò)（ANN）的構(gòu)建
【17】代碼分享│R可視化：高分文章繪圖之基于RCircos包的多類型圈圖繪制
【18】代碼分享│R可視化：基因與功能之間的關(guān)系--GO功能富集網(wǎng)絡(luò)圖繪制
【19】代碼分享│生物信息分析之SCI熱門圖表—KM曲線和tROC曲線
【20】代碼分享│R可視化：腫瘤預(yù)后模型之Cox回歸分析后用R語言繪制森林圖
【21】代碼分享│生物信息分析之SCI熱門圖表—相關(guān)性熱圖和散點(diǎn)圖
【22】代碼分享│生信分析之R語言分析相關(guān)性及可視化的N種風(fēng)格
【23】代碼分享│TCGA數(shù)據(jù)獲取有困難，不會預(yù)處理，學(xué)習(xí)起來
【24】代碼分享│機(jī)器學(xué)習(xí)-支持向量機(jī)遞歸特征消除（SVM-RFE）的構(gòu)建
【25】代碼分享│R可視化：對兩個(gè)矩陣進(jìn)行相關(guān)性可視化分析
【26】GEO數(shù)據(jù)庫多數(shù)據(jù)集差異分析整合利器RRA，再也不用糾結(jié)去除批次效應(yīng)
【27】你與生信大佬的距離，只差2分鐘搞定預(yù)后模型構(gòu)建和性能評估
【28】9+SCI純生信，模型構(gòu)建中的“流量明星”，你不得不知的LASSO
【29】手把手教你畫美觀大氣的lasso回歸模型圖，為你的SCI增磚添瓦
【30】R可視化：clusterProfiler包做組間比較GO富集圖
【31】代碼分享|R可視化：復(fù)雜熱圖繪制技巧之熱圖中添加柱狀圖
【32】代碼分享——基于基因突變信息分析腫瘤突變負(fù)荷
【33】代碼分享│富集不到想要的通路？別放棄呀，試試GSEA
【34】代碼分享│還在用PCA做降維聚類嗎？最強(qiáng)降維模型tSNE--你值得擁有
【35】代碼分享│GSVA：原來功能通路也能做差異分析！
【36】代碼分享│Slingshot：你不知道的單細(xì)胞擬時(shí)序分析還有它
【37】基于基因功能注釋信息挖掘關(guān)鍵作用基因
【38】基于癌癥分類預(yù)測的標(biāo)志物特征提取的SVM-RFE分析代碼
【39】依據(jù)表型數(shù)據(jù)基于無監(jiān)督聚類算法對研究群體進(jìn)行分層聚類分析
【40】基于穩(wěn)健排序整合算法對多數(shù)據(jù)集進(jìn)行整合及可視化
【41】基于基因表達(dá)譜估算樣本免疫基質(zhì)評分和腫瘤純度
【42】自動化繪制LASSO算法回歸模型圖
【43】用于臨床診斷和臨床決策影響的DCA分析
【44】基于樣本預(yù)后生存信息和臨床因素用于評價(jià)不同模型的一致性指數(shù)軟件
【45】用于探索、解釋和評估模型的DALEX殘差分析軟件
【46】基于細(xì)菌群落功能豐度結(jié)果進(jìn)行差異功能分析及可視化
【47】基于基因差異分析結(jié)果繪制其在染色體上的分布
【48】利用逐步回歸法篩選特征基因構(gòu)建Cox風(fēng)險(xiǎn)模型分析
【49】基于Immune Subtype Classifier進(jìn)行腫瘤免疫亞型分類
【50】不同物種之間的同源基因名稱轉(zhuǎn)換分析
【51】基于逐步多因素cox回歸篩選預(yù)后標(biāo)記基因并構(gòu)建風(fēng)險(xiǎn)評分模型
【52】基于表達(dá)信息挖掘與關(guān)注基因密切相關(guān)的基因
【53】基因組學(xué)基因名稱修正分析
【54】基于Spearman算法構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)
【55】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【56】基于lasso回歸模型方法篩選特征基因
【57】基于線性建模方法對代謝組和轉(zhuǎn)錄組數(shù)據(jù)整合分析
【58】基于參數(shù)型經(jīng)驗(yàn)貝葉斯算法和支持向量機(jī)（SVM）篩選疾病亞型特征基因
【59】基于LDA(線性判別分析)算法的微生物biomarker的篩選
【60】基于R包xCell計(jì)算64種免疫細(xì)胞相對含量及下游可視化
【61】基于甲基化數(shù)據(jù)評估腫瘤純度及下游可視化
【62】基于DiffCorr包識別不同表型下的差異共表達(dá)關(guān)系對
【63】基于逆累計(jì)分布函數(shù)識別顯著偏差通路
【64】基于差異基因?qū)ν返挠绊懲诰蜿P(guān)鍵通路
【65】基于高通量數(shù)據(jù)的樣本相似性分析
需要以上代碼私信小果哦

“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見證小白和大佬的成長。