基于 CAFE 的基因家族回溯与功能注释标准流程

代码可参考 :
 https://github.com/ZyYang0124/Myscripts/blob/main/CAFE/extract_cafe_matrix_results.py

一、流程目标

本流程旨在从 CAFE 输出结果 中识别显著扩张或收缩的基因家族，并通过回溯至基因家族构建与功能注释阶段，确定这些家族的成员组成与潜在功能，从而为基因家族进化分析提供生物学解释。

二、总体思路

CAFE 仅输出家族编号（如 OG0000001）及其在各物种中的拷贝变化（ΔCopy），但该编号并不携带生物学意义。 因此，需要通过以下路径逐级回溯：

1

CAFE 输出 → Orthogroups 表 → 基因 ID 列表 → 功能注释文件 → 家族功能解释

最终形成一份包含家族变化、成员组成与注释信息的整合表。

三、输入文件

四、标准分析步骤

步骤 1：筛选显著变化的家族

1. 从 Base_change.tab 中选定目标物种；
2. 根据数值阈值（如 ΔCopy ≥ 3 为扩张，ΔCopy ≤ -3 为收缩）筛选对应的家族；
3. 输出扩张和收缩家族的编号列表。

建议同时记录阈值与物种，以确保结果可复现。

步骤 2：回溯基因家族构成

1. 在 Orthogroups.tsv 文件中查找上述家族编号；
2. 提取对应家族的所有成员基因；
3. 按物种分列整理，获得“家族–基因ID”对应表；
4. 记录每个家族在各物种的成员数量分布。

若多个物种均有显著变化，可分别整理或联合分析。

步骤 3：提取目标物种的基因列表

1. 从“家族–基因ID表”中提取目标物种的基因ID；
2. 生成每个物种的基因列表文件；
3. 确保基因命名与注释文件中一致（如含物种前缀或转录本编号）。

步骤 4：匹配功能注释信息

1. 依据基因列表，在物种的注释结果中查找对应条目；
2. 提取功能描述、蛋白结构域、GO、KEGG 等注释信息；
3. 整理为“基因–功能”对应表；
4. 若注释文件来源多样（如 eggNOG、InterProScan 等），建议合并后统一字段。

步骤 5：家族功能整合与生物学解释

1. 将注释结果与家族编号对应；

2. 汇总为以下字段：

   Orthogroup	变化方向	ΔCopy	物种	成员数	基因列表	主要功能注释

3. 对家族进行分类（如代谢相关、感知相关、转录调控相关等）；

4. 若家族成员功能一致性较高，可直接推断其主要功能；

5. 若差异较大，可进一步检查序列同源性或蛋白结构域。

步骤 6：可选的后续分析

五、输出成果

1. 显著扩张与收缩家族列表；
2. 各家族的成员基因清单；
3. 基因功能注释表；
4. 家族功能整合汇总表；
5. （可选）富集分析与可视化结果。

六、质量控制与注意事项

1. 编号一致性 确保 CAFE 与 Orthogroups.tsv 的家族编号完全对应；
2. 注释文件准确性 使用统一来源或经过人工校正的注释信息；
3. 阈值设定 ΔCopy 的阈值应结合家族大小与树的分支长度调整；
4. 功能判定 若功能注释模糊，应辅以 BLAST 比对或结构域信息验证；
5. 数据记录 每步操作应记录参数、文件版本和日期，保证溯源性。

七、流程摘要图

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

CAFE 输出 (Base_change.tab)
        ↓
筛选显著扩张/收缩家族
        ↓
回溯 Orthogroups.tsv
        ↓
获取家族成员基因ID
        ↓
匹配注释信息（GFF/FAA/TSV）
        ↓
整合功能表并解释生物学意义
        ↓
（可选）富集与可视化分析