系統發育相關的基因組之間既存在保守性又存在可變性。有些序列片斷的數目以及順序具備保守性，這種保守性可使用共線性（synteny）或同線性（colinearity）來進行描述。共線性主要強調兩方面，一是序列的同源性，二是序列片斷的排列順序。同時即便很近緣的基因組也可能存在大量的變異和多態性，這種變異可能構成了不一樣個體與羣體性狀差別的基礎。單核苷酸多態性(single-nucleotide polymorphism，SNP)是指因爲單個核苷酸位置上存在轉換或顛換等變異所引發的DNA序列多態性，經常使用來研究近緣物種基因組的進化。css
tar -zxvf MUMmer3.23.tar.gzcd MUMmer3.23make install
MUMmer4的安裝（https://github.com/mummer4/mummer/releases）：git
tar -zxvf mummer-4.0.0beta2.tar.gzcd mummer-4.0.0beta2 --prefix=/data/tengwenkai/software/MUMmer4.0makemake install
MUMmer的核心基於Maximalexact matching算法開發的mummer。其餘工具（nucmer、promer、run-mummer1、run-mummer3）都是基於mummer的開發的流程。這些流程的分析策略分爲三部：github
①用mummer在兩個輸入中找給定長度的極大惟一匹配（Maximal exact matching）算法
②而後將這些匹配區域聚類成較大不徹底聯配區域，做爲錨定點（anchor）sql
③最後它從每一個匹配外部擴展聯配，造成有gap的聯配。shell
MUMmer核心是基於後綴樹(suffix tree)數據結構的最大匹配路徑。根據這個算法開發出來的repeat-match和exact-tandems能夠從單個序列中檢測重複，mummer則是用於聯配兩條或兩條以上的序列。swift
概念1：suffix tree: 表示一個字符串的全部子字符串的數據結構，好比說abc的全部子字符串就是a、ab、ac、bc、abc。微信
概念2：Maximal Unique Match指的是匹配僅在兩個比較序列中各出現一次。數據結構
Mummer爲基於後綴樹(suffix tree)數據結構，可以在兩條序列中有效定位極大惟一匹配(maximal uniquematches)，所以它比較適用於產生一組準確匹配(exact matches)以點圖形式展現，或者用來錨定從而產生逐對聯配(pair-wise alignments)編輯器
大部分狀況下都不會直接用到主程序mummer，因此只要知道MUMmer歷經幾回升級，使得mummer能夠可以只找在reference和query都惟一的匹配(初版功能)，也能夠找在reference惟一但不必定在query惟一的匹配(第二版新增)，甚至不在意是否惟一的匹配(第三版新增)，參數分別爲-mum、-mumreference、-maxmatch。repeat-match和exact-tandems比較少用，畢竟參數也很少，彷佛有其餘更好的工具能用來尋找序列中的重複區。
mummer最適合生成能夠顯示爲dot plot的精確匹配列表，或者用做生成成對比對中的錨點。基於mummer，做者編寫了如下4個pipeline，方便實際使用：
nucmer：由Perl寫的流程，用於聯配很相近(closely related)核酸序列。它比較適合定位和展現高度保守的DNA序列。注意，爲了提升nucmer的精確性，最好把輸入序列先作遮蓋(mask)避免不感興趣的序列的聯配，或者修改單一性限制下降重複致使的聯配數。
promer：也是Perl寫的流程，工做原理相似nucmer。其在進行任何精確匹配以前，將輸入序列被翻譯成全部六種讀框的氨基酸。這使得promer可以鑑定在DNA水平上可能不保守的保守蛋白質序列的區域，並所以使其具備比nucmer更高的靈敏度。注意，靈敏度的增長將致使大量輸出高度類似的序列，所以建議僅當輸入序列太分散難以產生合理數量的nucmer輸出時才使用promer。
因爲MUMmer有一個主程序和4個主流程，所以決定每種狀況下最佳的MUMmer比對程序十分重要。MUMmer的使用狀況可能有如下幾種：
./mummer [options] <reference-file> <query-files>-mum：只尋找在reference和query都惟一的匹配-mumreference：尋找在reference惟一但不必定在query惟一的匹配（默認）-maxmatch：尋找全部匹配，不在意是否惟一-n：只匹配字符a、c、g、t，能夠大寫或小寫，忽略掉被mask的序列-l：匹配的最短長度，默認爲20-b：同時查找正向鏈和反向互補鏈的匹配-r：只查找反向互補鏈的匹配-s：顯示匹配的子字符串-c：彙報與原始鏈對應的反向互補匹配的query-position-F：無論輸入序列的數目，強制4列的輸出結果格式-L：顯示query序列的長度
使用mummer對兩個基因組進行分析：
MUMmer4.0/bin/mummer -mum -b -c -n 1171_armatimo.fasta 142_armatimo.fasta > 1171_142.mums
Mummerplot使用方法以下所示：
mummerplot [options] <match file>match file：匹配文件，由mummer、nucmer、promer等程序生成(後綴.out、.cluster、.delta、.tiling)-f, --filter：只展現.delta比對中best匹配（在一對多模式中）--fat：只展現使用fattest比對的序列-p|prefix：設置輸出結果的文件前綴，默認爲'out'-rv：x11格式結果背景顏色反轉-r|IdR：指定X軸繪製的序列ID-q|IdQ：指定Y軸繪製的序列ID-R|Rfile：經過文件Rfile指定參考序列的繪製順序-Q|Qfile：經過文件Qfile指定查詢序列的繪製順序，Rfile/Qfile能夠是fasta序列文件，也能夠是序列ID的列表-s|size：輸出圖片的大小，可選small、medium、large，至關於--small、--medium、--large，默認爲small。-S, --SNP：在比對中標出SNP位點-t|terminal：輸出結果爲x十一、postscript、png，至關於--x十一、--postscript、--png，默認爲x11，x11是一種互動展現，postscript爲矢量格式-t|title：設置圖片的標題，默認爲none-x|xrange：設置x軸的範圍[min:max]-y|yrange：設置y軸的範圍[min:max]
MUMmer4.0/bin/mummerplot -t postscript -p 1171_142 1171_142.mums
做圖結果以下所示：
不一樣顏色分別表明不一樣方向（正向鏈/反向互補鏈）上的匹配。
MUMmer3.23/run-mummer1 142_armatimo.fasta 391_armatimo.fasta 142_391
MUMmer3.23/run-mummer1 142_armatimo.fasta 391_armatimo.fasta 142_391 -r
③有重排的高度類似序列，有時候兩個序列是高度類似的，可是會出現大片斷的序列重排、顛倒或插入。爲了比對這些序列應該使用run-mummer3，它使用一種聚類方法，容許這些大規模突變的類型，但保留了run-mummer1的許多其餘功能。爲了更準確地尋找SNP，您能夠編輯腳本，並將-D選項添加到combineMUMs命令行，從而產生一個僅兩個序列之間差別位置的簡明文件。用法以下所示：
MUMmer3.23/run-mummer3 142_armatimo.fasta 391_armatimo.fasta 142_391
重排以後gap減小。在腳本里添加-D後的align文件給出了gap處的鹼基差別，以下所示：
④較類似序列的比對，run-mummer1和run-mummer3更多地關注兩個序列之間的區別，而nucmer關注的是什麼是相同的。它對一致性對齊的限制不多，因此從新排列，反轉和重複都將被nucmer識別。nucmer的使用方法以下所示（須要預先安裝Foundation.pm）：
nucmer [options] <Reference> <Query>Reference：參考基因組，含有多條序列的FASTA文件名Query：要匹配的基因組，含有多條序列的FASTA文件名--mum, --mumreference(默認), --maxmatch：與mumer相同-b, --breaklen：一個比對嘗試延伸的最大距離，默認爲200-c, --mincluster：一個匹配聚類簇的最短長度，默認爲65-D, --diagdiff：一個聚類中兩個鄰接匹配的最大對角差分，默認5-d, --diagfactor一個聚類中兩個鄰接匹配的最大對角差分與gap長度的比值，默認爲0.12--noextend：不執行聚類簇延長步驟，默認關閉-f, --forward：只使用查詢序列的正向鏈-g, --maxgap：一個聚類中兩個鄰接匹配的最大gap長度，默認爲90-l, --minmatch：一個匹配的最短長度，默認爲20-L, --minalign：一個聚類延伸後比對的最短長度，默認爲0-r, --reverse：只使用查詢序列的反向互補鏈--nosimplify：不簡化比對，當使用序列與自身比對來尋找重複時能夠選此選項，默認關閉-p, --prefix：輸出結果delta文件的前綴，默認爲out--sam-short：保存SAM短格式到文件路徑--sam-long：保存SAM長格式到文件路徑-t, --threads：程序運行使用的核數
使用nucmer對兩個基因組進行比較分析：
MUMmer4.0/bin/nucmer --mum -g 500 -c 100 -p 1171_142 142_armatimo.fasta 1171_armatimo.fasta
MUMmer4.0/bin/show-coords -r 1171_142.delta > 1171_142.coords
其中-r表示按照參考序列的ID以及座標進行分類，結果以下所示：
MUMmer4.0/bin/show-aligns -r 1171_142.delta 142_armatimo1 1171_armatimo1 > 1171_142.aligns
結果以下所示：
使用mummerplot進行可視化，以下所示：
MUMmer4.0/bin/mummerplot -t postscript -p 1171_142 1171_142.delta
做圖結果以下所示：
⑤較不類似的序列比對，不少基因的DNA序列差別較大，但蛋白序列是保守的，所以比較蛋白序列能尋找到更多的匹配，promer能夠將DNA序列翻譯成蛋白序列進行比對，其使用參數與nucmer相似，以下所示：
MUMmer4.0/bin/promer --mum -p 1171_142 142_armatimo.fasta 1171_armatimo.fasta
使用delta-filter過濾掉Identity低於50%的匹配：
MUMmer4.0/bin/delta-filter -q -r -i 50 1171_142.delta > 1171_142.filter
進行可視化做圖：
MUMmer4.0/bin/mummerplot -t postscript -p 1171_142 1171_142.filter
做圖結果以下所示：
MUMmer4.0/bin/nucmer -p 142_391 142_armatimo.fasta 391_armatimo.fasta
重複序列可能會掩蓋可能的SNP，所以使用delta-filter去除一對多、多對多中的冗餘匹配：
MUMmer4.0/bin/delta-filter -r -q 142_391.delta > 142_391.filter
使用show-snps顯示匹配中的SNP，以下所示：
MUMmer4.0/bin/show-snps -Clr 142_391.filter > 142_391.snps
結果以下所示：
本文分享自微信公衆號 - 微生態與微進化（MicroEcoEvo）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。