Pangenoma anvio7

Genomas

Accession Species Strain

NC_006570 Francisella tularensis subsp. tularensis SCHU_S4

NC_007880 Francisella tularensis subsp. holarctica LVS

NC_009257 Francisella tularensis subsp. tularensis WY96_3418

NC_009749 Francisella tularensis subsp. holarctica FTNF002_00

NC_016933 Francisella tularensis subsp. tularensis TIGB03

CP000915 Francisella tularensis subsp. mediasiatica FSC147

El primer paso es crear una base de datos para cada genoma, para esto primero debemos convertirlos a un formato que anvio maneje sin problemas:

$ conda activate anvio-7.1

$ for f in *.fasta; do anvi-script-reformat-fasta --seq-type NT $f  -o $f.fa; done

Limpiemos el nombre de los archivos resultantes:

$ rename 's/.fasta//' *.fa

Los archivos con extensión .fasta ya no nos sirven, eliminémoslos:

$ rm *.fasta

El segundo paso, es crear una base de datos para cada uno con anvio. Generemos la primera base de datos para el primer genoma, usaremos como nombre del proyecto (-n) la cepa del genoma (ver arriba las cepas) con 4 núcleos (-T 4):

$ anvi-gen-contigs-database -f NC_006570.fa -n SCHU_S4 -o NC_006570.db -T 4

Sigamos con los siguientes:

$ anvi-gen-contigs-database -f NC_007880.fa -n LVS -o NC_007880.db -T 4

$ anvi-gen-contigs-database -f NC_009257.fa -n WY96-3418 -o NC_009257.db -T 4

$ anvi-gen-contigs-database -f NC_009749.fa -n FTNF002-00 -o NC_009749.db -T 4

$ anvi-gen-contigs-database -f NC_016933.fa -n TIGB03 -o NC_016933.db -T 4

$ anvi-gen-contigs-database -f CP000915.fa -n FSC147 -o CP000915.db -T 4

Alternativamente, si tenemos base de datos de funciones (COG) instaladas en la versión de anvio (en el servidor BioBacter si está instalada), podemos asignar funciones y taxonomía a sus bases de datos:

for g in *.db

do

    anvi-run-hmms -c $g --num-threads 4

    anvi-run-ncbi-cogs -c $g --num-threads 4

    anvi-scan-trnas -c $g --num-threads 4

    anvi-run-scg-taxonomy -c $g --num-threads 4

done

Como tercer paso, con estos genomas tenemos que hacer una lista de nombre y ruta a los genomas para ingresarla al siguiente comando de anvio; usaremos para extraer los nombres de las cepas el archivo Description.txt que viene en el set de datos.

cut -f3 Description.txt | sed 1d > names.tmp

$ ls -1 *.db > dbs.tmp

$ paste names.tmp dbs.tmp > genome.list

$ rm *.tmp

$ sed -i 's/.fa//g' genome.list

$ sed -i '1i name\tcontigs_db_path' genome.list

Al final tendremos nuestro archivo genome.list listo para usar.

El cuarto paso es crear la base de datos del pangenoma y calcular el pangenoma:

$ anvi-gen-genomes-storage -e genome.list -o Francisella-GENOMES.db

$ anvi-pan-genome -g Francisella-GENOMES.db -n Francisella_Pan -T 4

Creó el pangenoma (Francisella_Pan-PAN.db) en un nuevo directorio llamado Francisella_Pan/

Como tenemos también una descripción del proyecto (Description.md) e información adicional de los genomas (genome_info.txt) en nuestro set de datos, podemos importar esta información a nuestra base de datos:

$ anvi-import-misc-data genome_info.txt -p Francisella_Pan/Francisella_Pan-PAN.db --target-data-table layers

$ anvi-update-db-description --description Description.md Francisella_Pan/Francisella_Pan-PAN.db

Como un quinto paso y alternativo, podemos calcular la similitud entre los genomas mediante un Average Nucleotide Identity (ANI):

$ anvi-compute-genome-similarity -e genome.list --program pyANI --output-dir ANI -T 8 --pan-db Francisella_Pan/Francisella_Pan-PAN.db

Estamos listos para desplegar el pangenoma:

$ anvi-display-pan -p Francisella_Pan/Francisella_Pan-PAN.db -g Francisella-GENOMES.db

Si todo salió correcto debemos ver una imagen similar a la siguiente:

Para ver como analizar y manipular el pangenoma, consultar la página de Anvio al respecto: An anvi'o workflow for microbial pangenomics.