在比較基因組分析中，我們經(jīng)常需要分析不同基因組之間的進化關(guān)系，例如我們可以使用標記蛋白來構(gòu)建系統(tǒng)發(fā)育樹。為了進行定量的比較，我們還可以計算不同基因組之間的相似性或者進化距離，以進行物種分類、親緣關(guān)系比較等。平均核苷酸相似度（Average Nucleotide Identity，ANI）是在核苷酸水平比較兩個基因組親緣關(guān)系的指標。ANI被定義為兩個微生物基因組同源片段之間平均的堿基相似度，他的特點是在近緣物種之間有較高的區(qū)分度。

原文鏈接：基因組相似性計算：ANI

公眾號后續(xù)會更新AAI、進化距離等比較基因組內(nèi)容，閱讀更多內(nèi)容可關(guān)注“微生態(tài)與微進化”。

FastANI（https://github.com/ParBLiSS/FastANI）是一個快速計算全基因組ANI的工具，其支持一對一、一對多、多對多基因組之間的兩兩比較。他將查詢序列分割為短序列片段，使用基于MinHash的序列映射引擎Mashmap來計算同源映射并估計一致性。由于它使用了非比對的方法，因此計算速度大幅提升，但準確性與基于blast的方法相差不大。

在最近Nature communications的一篇研究中，作者使用fastANI對9萬個基因組進行分析，發(fā)現(xiàn)大多數(shù)譜系種內(nèi)與種間存在一個明顯的ANI分界線，相同物種的基因組ANI大于95%，不同物種的基因組ANI小于95%，因此常以95%的ANI作為物種劃分與物種聚類的標準[1]。

fastANI從GitHub下載軟件包解壓就可以使用，其使用方法如下所示：

fastANI -q genome1.fa -r genome2.fa -o output.txt

fastANI -q genome1.fa --rl genome_list.txt -o output.txt

-r, --ref：參考基因組核苷酸序列，可以試fasta/fastq及其gzip壓縮文件

--rl, --refList：包含參考基因組列表的文件，從而允許多個參考基因組

-q, --query：查詢基因組核苷酸序列，可以試fasta/fastq及其gzip壓縮文件

--ql, --queryList：包含查詢基因組列表的文件，從而允許多個查詢基因組

-k, --kmer：比對的kmer大小，不能大于16，默認為16

-t, --threads：程序運行所使用的核數(shù)，默認為1--fragLen：片段長度，默認為3000

--minFrag：最短匹配的片段，默認為50

--visualize：輸出比對圖像，只適用于一對一比對，默認關(guān)閉

--matrix：輸出ANI值作為下三角矩陣，適用于多對多比對，默認關(guān)閉

-o,?--output：輸出文件名

由于細菌基因組大部分基因長度均為1000bp左右，因此通常設置片段長度為1000，對于病毒等小基因組，可以設置較小的片段長度。兩個基因組一對一分析如下所示：

fastANI -q 951_armatimo.fasta -r 391_armatimo.fasta -o output1.txt --fragLen 1000

結(jié)果如下所示：

其ANI為74.7，2570為參考基因組的所有序列片段，981為查詢基因組中比對上的同源片段，片段數(shù)過少的ANI值是沒有意義的，可以去掉。

多個基因組互相比較如下所示：

fastANI --ql Armatimonadetes.txt --rl Armatimonadetes.txt -o output2.txt --fragLen 1000 -t 10 --matrix

生成的矩陣結(jié)果如下所示：

以上矩陣我們可以在R中作圖展示，如下所示：

參考文獻：

[1]? Jain C, Rodriguez-R L M, Phillippy A M, et al.High throughput ANI analysis of 90K prokaryotic genomes reveals clear speciesboundaries[J]. Nature Communications, 2018, 9(1): 5114.