dessimozlab/fastoma

FastOMA Docker镜像文档

镜像概述

FastOMA是一个可扩展的软件包，用于推断直系同源关系。本Docker镜像提供了运行FastOMA Nextflow工作流的环境，支持通过容器化方式便捷部署，无需手动配置依赖。FastOMA能够处理蛋白质序列和物种树输入，生成层次化直系同源组（HOGs），并以OrthXML等格式输出结果，适用于比较基因组学、进化分析等研究场景。

核心功能与特性

• 直系同源推断：基于蛋白质序列和物种树，推断层次化直系同源组（HOGs），输出OrthXML格式文件。
• 多输入支持：接受FASTA格式的蛋白质序列、Newick格式的物种树，以及可选的omamer数据库。
• 灵活部署：支持Docker、Singularity、Conda等多种运行环境，适配本地和集群（如Slurm）场景。
• 自动化依赖管理：Nextflow工作流自动处理依赖下载和环境配置，简化用户操作。
• 可扩展性：支持大规模数据集，提供large配置文件以适应高内存需求。

使用场景

• 比较基因组学研究：分析不同物种间的基因同源关系。
• 进化分析：构建物种间的直系同源基因家族，用于系统发育树构建。
• 功能注释：通过直系同源关系推断基因功能。
• 大规模数据集处理：在HPC集群上高效运行，处理多物种蛋白质组数据。

使用方法

前提条件

• 安装Docker和Nextflow。
• 准备输入数据：蛋白质序列（FASTA格式，存放于proteome文件夹）、物种树（Newick格式）。

基本运行命令

通过Nextflow调用Docker镜像运行FastOMA：

bash
nextflow run dessimozlab/FastOMA -profile docker \
  --input /path/to/in_folder \
  --output_folder /path/to/out_folder

参数说明

示例：运行测试数据

1. 准备测试数据：

   bash
   git clone https://github.com/DessimozLab/FastOMA.git
   cd FastOMA/testdata
   wget https://omabrowser.org/All/Primates.h5 -O in_folder/omamerdb.h5
   

2. 运行FastOMA：

   bash
   nextflow run ../FastOMA.nf -profile docker \
     --input in_folder \
     --omamer_db in_folder/omamerdb.h5 \
     --output_folder out_folder
   

不同配置文件使用

Docker（推荐）

bash
nextflow run dessimozlab/FastOMA -profile docker --input /path/to/in --output_folder /path/to/out

Singularity（无root权限时）

bash
nextflow run dessimozlab/FastOMA -profile singularity --input /path/to/in --output_folder /path/to/out

Slurm集群（结合Singularity）

bash
nextflow run dessimozlab/FastOMA -profile slurm,singularity --input /path/to/in --output_folder /path/to/out

大规模数据集

bash
nextflow run dessimozlab/FastOMA -profile docker,large --input /path/to/large_in --output_folder /path/to/large_out

输入与输出

输入要求

1. 蛋白质序列：

   • FASTA格式文件（.fa扩展名），存放于proteome文件夹。
   • 文件名即为物种名，序列ID不含||等特殊字符。

2. 物种树：

   • Newick格式，叶节点名称需与proteome文件夹中FASTA文件名（不含.fa）一致。
   • 支持非二叉树，无需分支长度，内部节点名称不含\、/或空格。

3. omamer数据库（可选）：

   • 可从OMA浏览器下载（如LUCA数据库7.7GB，或Primates子集~100MB）。
   • 若未指定，流程自动下载LUCA数据库。

输出结构

输出文件夹包含以下关键文件和子文件夹：

• 核心结果文件：

  • FastOMA_HOGs.orthoxml：OrthXML格式的层次化直系同源组。
  • OrthologousGroups.tsv：严格直系同源组表格。
  • RootHOGs.tsv：最深层级HOG表格。
  • species_tree_checked.nwk：校验后的物种树。

• 子文件夹：

  • hogmap：OMAmer映射结果。
  • OrthologousGroupsFasta：直系同源组FASTA文件。
  • RootHOGsFasta：根层级HOG FASTA文件。
  • stats：运行统计报告（如时间线、资源使用）。

注意事项

• Nextflow缓存：使用dev分支时，需先运行nextflow drop dessimozlab/FastOMA清除缓存。
• 文件句柄限制：大规模数据集需调整系统文件句柄限制（如ulimit -n 131072）。
• 断点续跑：中断后可添加-resume参数继续运行。
• 剪接变体：可在in_folder/splice中放置splice文件（格式：每行含同一基因的多个isoform ID），流程自动选择最优isoform。

参考资料

• https://github.com/DessimozLab/FastOMA
• OMA Academy
• OrthXML格式说明