【7.1】基因组相似性（ANI）计算--FastANI

平均核苷酸相似度（Average Nucleotide Identity，ANI）是在核苷酸水平比较两个基因组亲缘关系的指标。ANI被定义为两个微生物基因组同源片段之间平均的碱基相似度，他的特点是在近缘物种之间有较高的区分度。

FastANI（ https://github.com/ParBLiSS/FastANI ）是一个快速计算全基因组ANI的工具，其支持一对一、一对多、多对多基因组之间的两两比较。他将查询序列分割为短序列片段，使用基于MinHash的序列映射引擎Mashmap来计算同源映射并估计一致性。由于它使用了非比对的方法，因此计算速度大幅提升，但准确性与基于blast的方法相差不大。

在最近Nature communications的一篇研究中，作者使用fastANI对9万个基因组进行分析，发现大多数谱系种内与种间存在一个明显的ANI分界线，相同物种的基因组ANI大于95%，不同物种的基因组ANI小于95%，因此常以95%的ANI作为物种划分与物种聚类的标准[1]。

https://github.com/ParBLiSS/FastANI

一、安装

依赖的库：

- Autoconf ( http://www.gnu.org/software/autoconf/ )
- either...
   GNU Scientific Library ( http://www.gnu.org/software/gsl/ )
 or..
   Boost Library ( http://www.boost.org ) (see "-with-boost" below)
- Zlib ( included with OS X and most Linuxes, http://www.zlib.net ) *
- C++ compiler with C++11 and openmp support
   Note for macOS users: Use "libomp" to link openmp with Clang
   libomp is available through brew ( https://formulae.brew.sh/formula/libomp )

安装：

yum install libgs.x86_64

cd /home/sam/src
git clone https://github.com/ParBLiSS/FastANI.git

cd FastANI
./bootstrap.sh

 ./configure --prefix=/home/sam/software/FastANI
 make
 make install

安装路径： /home/sam/software/FastANI/bin/fastANI

二、使用

fastANI从GitHub下载软件包解压就可以使用，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：参考基因组核苷酸序列，可以试fasta/fastq及其gzip压缩文件

--rl, --refList：包含参考基因组列表的文件，从而允许多个参考基因组

-q, --query：查询基因组核苷酸序列，可以试fasta/fastq及其gzip压缩文件

--ql, --queryList：包含查询基因组列表的文件，从而允许多个查询基因组

-k, --kmer：比对的kmer大小，不能大于16，默认为16

-t, --threads：程序运行所使用的核数，默认为1

--fragLen：片段长度，默认为3000

--minFrag：最短匹配的片段，默认为50

--visualize：输出比对图像，只适用于一对一比对，默认关闭

--matrix：输出ANI值作为下三角矩阵，适用于多对多比对，默认关闭

-o, --output：输出文件名

由于细菌基因组大部分基因长度均为1000bp左右，因此通常设置片段长度为1000，对于病毒等小基因组，可以设置较小的片段长度。两个基因组一对一分析如下所示：

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

其ANI为74.7，2570为参考基因组的所有序列片段，981为查询基因组中比对上的同源片段，片段数过少的ANI值是没有意义的，可以去掉。

多个基因组互相比较如下所示：

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

三、讨论

参考资料

• https://github.com/ParBLiSS/FastANI
• https://zhuanlan.zhihu.com/p/126294648
• 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.