1. 序列比对(sequence alignment)

序列比对的知识可以参考另一篇博文的内容。
Sequence Alignment：https://yanzhongsino.github.io/2021/09/06/bioinfo_alignment_align_intro/

如果序列间差异较大，为了获得更精准的比对，有时我们会先做蛋白质的比对，然后根据蛋白质比对，转化成CDS比对。这篇博客就是记录把蛋白质比对转换成CDS比对的软件和使用。

2. 蛋白比对转CDS比对

如果是两条序列比对的转化，批量处理，可以用ParaAT脚本。

比如用MCScanX软件做了共线性分析找到物种间的homologs基因对，或者WGD分析找到物种内的paralogs基因对，想要根据蛋白比对做对应的CDS比对。比对之后用于计算Ka和Ks。

ParaAT是中科院基因组所张章课题组在2012年开发，2014年更新了2.0版本，是一个perl脚本。

wget ftp://download.big.ac.cn/bigd/tools/ParaAT2.0.tar.gz
tar -zxf ParaAT2.0.tar.gz
cd ParaAT2.0
ParaAT.pl -h

ParaAT2.0目录下有两个脚本，ParaAT.pl用于成对比对的转换（可以批量处理），目录下还有另一个多序列转换脚本Epal2nal.pl（好像是pal2nal.pl的V13版本）。

cat sample.collinearity |grep "species_prefix"|cut -f2,3 >sample.id 用MCScanX的结果文件提取blocks的同源gene对，获得sample.id文件。

echo "12" >proc
指定ParaAT.pl使用线程，也可以不指定，默认是6个线程
ParaAT.pl -g -t -h sample.id -n cds.fa -a pep.fa -m mafft -p proc -f axt -o paraat 2>paraat.log
先根据sample.id指定的id做蛋白的成对比对，然后根据蛋白的比对结果转换成对应的CDS的比对结果。

参数：

其他参数：

-g：移除比对后包含gap的密码子；建议加上-g和-t，免得后面计算Ks时报错Error. The size of two sequences in ‘ctg00816-ctg08844’ is not equal。
-t：移除mismatched codons；建议加上-g和-t，免得后面计算Ks时报错Error. The size of two sequences in ‘ctg00816-ctg08844’ is not equal。
-k：用KaKs_Calculator计算(需要输出axt格式)Ka和Ks，获得axt文件后自动计算kaks值，使用MA模型，比YN模型慢，推荐输出axt后自己用KaKs_Calculator计算并用YN模型。
-c 1：指定编码方式，不同生物的编码方式不同，默认是标准型1。

如果是多序列的转化，可以使用PAL2NAL脚本。

比如做了orthofinder2找到多个物种的orthogroups，要对每一组orthogroups进行蛋白比对转换成CDS比对。

1
2
3

wget http://www.bork.embl.de/pal2nal/distribution/pal2nal.v14.tar.gz
tar -zxvf pal2nal.v14.tar.gz
pal2nal.pl -h

pal2nal.pl -nogap -nomismatch pep.aln nuc.fa -output fasta >nuc.aln

需要已经做好比对的蛋白质序列pep.aln和ID一致的cds序列nuc.fa

参数：

-output (clustal|paml|fasta|codon) # Output format; default = clustal
-nogap # remove columns with gaps and inframe stop codons
-nomismatch # remove mismatched codons (mismatch between pep and cDNA) from the output