genome comparison commend 2 MCMCtree

仅本人练习使用！！后续会逐渐修改！！

mcmctree估算物种分歧时间 - 简书

https://www.cnblogs.com/bio-mary/p/12818888.html

估算系统树分歧时间 —— paml.mcmctree,r8s | 生信技工

http://www.chenlianfu.com/?p=2948

4. 使用PAML软件的mcmctree进行物种分歧时间计算

# 新建文件夹并进入
mkdir d.divergence_time && cd d.divergence_time

seqfile：orthofinder中得到的SpeciesTreeAlignment.fasta文件，将物种数和碱基数（碱基数将SpeciesTreeAlignment.fasta文件导入TBtools，统计每条序列的碱基数即可）加在每条序列的前面一行，且序列间间隔一行；
treefile：orthofinder中SpeciesTreeAlignment.fasta序列用raxml软件跑出的最优树（RAxML_bestTree.jjh_1.tre），将后缀改为“trees”，并在文件第一行加上物种数目和树的数目，先按照上面程序跑一下，终端中会出现一个reading master tree，然后手动粘贴出来为trees文件，在其中加上几个校准点（在timetree中查询），添加格式参照参考网址。

TimeTree :: The Timescale of Life

另外，一定要注明外群的校准点和外群之外的校准点。开头和结尾不用补括号。想看校准点位置加的是否正确可以在Figtree中查看。
mcmctree.ctl：路径输入时，直接右键复制该文件，粘贴在终端里即可 

(1) 准备Newick格式的树文件，根据RAxML的结果提取系统发育树的拓扑结构

按照paml4.9i/examples中的mcmctree.ctl文件配置自己的数据文件在JJHdata中，主要是seq文件和tree文件，具体格式参照给出文件。

echo "97 1" > input.trees
# 文件内容分两行：第一行表述树中有97个物种，共计1个树，两个数值之间用空分割；
# 第二行则是Newick格式树信息，其中包含有校准点信息。校准点信息一般指95%HPD（Highest Posterior Density）对应的置信区间；校准点单位是100MYA（软件说明文档中使用该单位，也推荐使用该单位，若使用其它单位，后续配置文件中的相关参数也需要对应修改）。此外，Newick格式的树尾部一定要有分号，没有的话程序可能不能正常运行
# echo "(((laame,plost),(parub,sccit)'>0.76<1.08')'>2.29<2.66',(lasul,phgig));" >> input.trees
# Paxillus rubicundulus <=> Scleroderma citrinum        89MYA 76-108MYA
# Paxillus rubicundulus <=> Laccaria amethystina	246MYA 229-266MYA
# Hymenochaetaceae 125Mya  Agaricales-90Mya  Agaricomycetes-290Mya  Basidiomycota-400Mya
# 把iqtree/raxml-ng等建树软件中得到的树文件中的支持率和枝长信息删除，添加化石校准点时间信息（格式是时间范围’>0.23<0.26’或者时间点‘@0.245’)，单位时百万年前100Ma；再在首行添加两个数字（物种数量和树的数量），空格隔开，可得到input.tre文件。
手动添加，并用Figtree检验
1(JJH) Rickenella <=> Sanghuangporus 227–277Mya
2(JJH) Trametes <=> Heterobasidion 187–236Mya
3(JJH) Pleurotus <=> Schizophyllum 110–201Mya
4(other) Laccaria bicolor <=> Coprinopsis cinerea 120–180Mya

(2) 准备多序列比对Phylip格式输入文件，可以综合三个位点核酸序列的多序列比对文件

/media/aa/DATA/JJH/software/standard-RAxML-master/usefulScripts/convertFasta2Phylip.sh ../c.species_tree/allSingleCopyOrthologsAlign.Codon.fasta > input.txt
perl -p -i -e 's/\s+/  /' input.txtecho $(cat ../c.species_tree/allSingleCopyOrthologsAlign.Codon.fasta) |sed "s/ >/\n/g" |sed "s/>//g"|sed "s/ / /g" >input2.phy

(3) 准备paml mcmctree配置文件

（JJH) ndata = 1; seqtype = 2; burnin = 1,000,000; sampfreq = 10; nsample = 500,000. 

# 软件自带测试数据是3组数据，而我们的数据只有一组！
# 修改mcmctree.ctl
seqfile = input.txt
treefile = input.trees
mcmcfile = mcmc.txt
outfile = out.txt
ndata = 1 # 输入的多序列比对的数据个数，这里密码子3个位置的数据；如果有一个，则设置为1
seqtype = 0    * 0: nucleotides; 1:codons; 2:AAs #数据类型
usedata = 3    * 0: no data; 1:seq like; 2:normal approximation; 3:out.BV (in.BV) # 设置是否利用多序列比对的数据：
#0，表示不使用多序列比对数据，则不会进行likelihood计算，虽然能得到mcmc树且计算速度飞快，但是其分歧时间结果是有问题的；
#1，表示使用多序列比对数据进行likelihood计算，正常进行MCMC，是一般使用的参数; 
#2，进行正常的approximation likelihood分析，此时不需要读取多序列比对数据，直接读取当前目录中的in.BV文件。该文件是使用usedata = 3参数生成的out.BV文件重命名而来的。
#此外，由于程序BUG，当设置usedata = 2时，一定要在改行参数后加 *，否则程序报错 Error: file name empty.. 
#3，程序利用多序列比对数据调用baseml/codeml命令对数据进行分析，生成out.BV文件。由于mcmctree调用baseml/codeml进行计算的参数设置可能不太好（特别时对蛋白序列进行计算时），
#推荐自己修该软件自动生成的baseml/codeml配置文件，然后再手动运行baseml/codeml命令，再整合其结果文件为out.BV文件。
clock = 2    * 1: global clock; 2: independent rates; 3: correlated rates
RootAge = '<8.0'  * safe constraint on root age, used if no fossil for root.
model = 4
alpha = 0.5
ncatG = 5
burnin = 4000000 #将前x次迭代burnin后，再进行取样（即打印出该次迭代计算的结果信息，各内部节点分歧时间、平均进化速率、sigma2值和各分支进化速率等）
sampfreq = 10 #每10次迭代则取样一次。
nsample = 100000 # 当取样次数达到该次数时，则取样结束（程序也将运行结束）。

(4) 运行PAML软件的mcmctree (若数据量较大，则每当程序调用baseml时，按ctrl + c终止，再手动并行化运行baseml)

# 进入conda环境
conda activate FigTree
# 运行
mcmctree mcmctree.ctl
cp out.BV in.BV

(5) 使用mcmctree进行approximate likelihood分析

# 配置文件中参数 usedata = 2，再次运行同样的mcmctree命令
# 新建文件夹
mkdir run01 run02
cp input.txt input.trees mcmctree.ctl in.BV run01
cp input.txt input.trees mcmctree.ctl in.BV run02
cd run01; mcmctree mcmctree.ctl &> mcmctree.log
cd run02; mcmctree mcmctree.ctl &> mcmctree.log

 (7) 比较两次运行的MCMC树，若差异较小，则认可其结果

perl -n -e 'my $out; while (s/(.*?(\d\.\d+))//) { my $info = $1; my $value = $2; my $new = $value * 100; $info =~ s/$value/$new/;  $out .= $info; } $out .= $_; print $out' run01/FigTree.tre > tree01.nex
perl -n -e 'my $out; while (s/(.*?(\d\.\d+))//) { my $info = $1; my $value = $2; my $new = $value * 100; $info =~ s/$value/$new/;  $out .= $info; } $out .= $_; print $out' run02/FigTree.tre > tree02.nex
perl -e 'while (<>) { if (s/\s*UTREE.*?=\s*//) { s/\s*\[.*?\]//g; print; } }' tree01.nex > tree01.txt
perl -e 'while (<>) { if (s/\s*UTREE.*?=\s*//) { s/\s*\[.*?\]//g; print; } }' tree02.nex > tree02.txt
/media/aa/DATA/DATA/SZQ2/command/clf/bin/calculating_branchLength_bias_percentage_of_two_trees.pl --no_normalization_of_total_branch_length tree01.txt tree02.txt > bias_of_2runs.txt
# 1.41%	0.77%	0.77%
rm tree*
perl -n -e 'my $out; while (s/(.*?(\d\.\d+))//) { my $info = $1; my $value = $2; my $new = $value * 100; $info =~ s/$value/$new/;  $out .= $info; } $out .= $_; print $out' run01/FigTree.tre > tree_abbr.mcmctree

(8) 将树信息中的简称换成属名和种名全称（选做）

cp tree_abbr.mcmctree tree_fullName.mcmctree
cut -f 1,2 ../a.preparing_data/source.txt | perl -p -e 's/\t/\t\"/; s/$/\"/;' | perl -p -e 's#\s+#/#; s#^#perl -p -i -e "s/#; s#\n$#/" tree_fullName.mcmctree\n#;' | perl -p -e 's#/\"#/\\\"#; s#\"/#\\\"/#;' | sh
java -jar /opt/biosoft/FigTree_v1.4.4/lib/figtree.jar tree_fullName.mcmctree
cd ..

最后利用chiplot作图

地质时间标尺网站：https://energyeducation.ca/encyclopedia/Geologic_time_scale