-
Notifications
You must be signed in to change notification settings - Fork 0
/
PhyloGeneticTree.R
624 lines (435 loc) · 19.1 KB
/
PhyloGeneticTree.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
################################
## Author : Can Kocagil ###
################################
################################
#### --- Dependencies --- ####
#### 1) seginr ####
#### 2) msa ####
#### 3) Biostrings ####
#### 3) ape ####
################################
#--------------------------------#
##################################
##################################
#### PLEASE READ !! ####
# IF THE FUNCTÝON DOES NOT WORK #
# DUE TO CONNECTÝNG PROBLEM LÝKE #
# "Unable to get any answer from #
# socket after 10 trials" #
# RUN THE CODE THAT STARTS LÝNE #
# 240 ONE BY ONE, ÝF SOCKET #
# PROBLEM, CHOOSE DATABASE AGAÝN #
##################################
##################################
#--------------------------------#
##################################################################################################################
##################################################################################################################
######################### To Do's : #########################
# 0) Uploading necessary R packages to proceed
# 1) Choosing a database that holds specific information about the gene and sequence with assigned access number
# 2) Determining the Substitution Matrix (i.e., BLOSUM50,BLOSUM45,BLOSUM62,BLOSUM100)
# 3) Query to retrieve the necessary information
# 4) Getting sequences from the determined query
# 5) Repeat 3 and 4 until we have enough species and their sequences
# 6) Converting sequences to .fasta format
# 7) Multiple Sequence Alignment
# 8) Calculating the matrix of pairwise distances from the aligned proteins
# 9) Applying the Neighbor Joining Algorithm
# 10) Plotting the phylogenetic tree
##################################################################################################################
##################################################################################################################
# ------- Step 0 ------- #
##########################
# Uploading necessary packages :
#BiocManager::install("seqinr")
#BiocManager::install("msa")
#BiocManager::install("Biostrings")
#BiocManager::install("ape")
library("seqinr")
library("msa")
library("Biostrings")
library("ape")
## ---- Step 0 Finish ---- ##
phyloGeneticTree <- function(prot_database ,species_list,n_species,
access_numbers,fasta_file,substMat,gapOpening,gapExtension)
{
myDataBase = prot_database
# Connecting database :
choosebank(myDataBase)
for (i in 1:n_species) {
if (i ==1){
# Query to retrieve information for zebrafish
myQuery1 = query(species_list[i],access_numbers[i])
zebrafishSeq = getSequence(myQuery1$req[[1]],as.string=T)
}else if (i==2){
# Query to retrieve information for human
myQuery2 = query(species_list[i],access_numbers[i])
humanSeq = getSequence(myQuery2$req[[1]],as.string=T)
}else if (i==3){
# Query to retrieve information for mouseearcress
myQuery3 = query(species_list[i],access_numbers[i])
mouseearcressSeq = getSequence(myQuery3$req[[1]],as.string=T)
}else if (i==4){
# Query to retrieve information
myQuery3 = query(species_list[i],access_numbers[i])
mouseearcressSeq = getSequence(myQuery3$req[[1]],as.string=T)
}else if (i==5){
# Query to retrieve information
myQuery4 = query(species_list[i],access_numbers[i])
bovineSeq = getSequence(myQuery4$req[[1]],as.string=T)
}else if (i==6){
# Query to retrieve information
myQuery5 = query(species_list[i],access_numbers[i])
mouseSeq = getSequence(myQuery5$req[[1]], as.string=T)
}else if (i==7){
myQuery6 = query(species_list[i],access_numbers[i])
frogSeq = getSequence(myQuery6$req[[1]],as.string=T)
}else if (i==8){
choosebank(myDataBase)
# Query to retrieve information
myQuery7 = query(species_list[i],access_numbers[i])
ratSeq = getSequence(myQuery7$req[[1]],as.string=T)
}else if (i==9){
choosebank(myDataBase)
# Query to retrieve information
myQuery8 = query(species_list[i],access_numbers[i])
stSeq = getSequence(myQuery8$req[[1]], as.string=T)
}else if (i==10){
# Query to retrieve information
myQuery9 = query(species_list[i],access_numbers[i])
eleSeq = getSequence(myQuery9$req[[1]],as.string=T)
}else if (i==11){
# Query to retrieve information
myQuery10 = query(species_list[i],access_numbers[i])
ddSeq = getSequence(myQuery10$req[[1]],as.string=T)
}else if (i==12){
# Query to retrieve information
myQuery11 = query(species_list[i],access_numbers[i])
paSeq = getSequence(myQuery11$req[[1]],as.string=T)
}else if (i==13){
# Query to retrieve information
myQuery12 = query(species_list[i],access_numbers[i])
chicSeq = getSequence(myQuery12$req[[1]],as.string=T)
}
}
# First converting list :
list_seq = as.list(c(zebrafishSeq,humanSeq,mouseearcressSeq,
bovineSeq,mouseSeq,frogSeq,ratSeq,
stSeq,eleSeq,ddSeq,paSeq,chicSeq,dmSeq))
# Converting our sequences in .fasta format :
write.fasta(sequences = list_seq,names = vect_names,
as.string = F,file.out = fasta_file)
# Retrieving sequences in .fasta format :
seq = readAAStringSet(filepath = fasta_file)
# Multiple Sequence Alignment
myProtAlign <- msa(seq, method = "ClustalW")
print(myProtAlign, show="complete")
myProtAlign2 <- msaConvert(myProtAlign,type="seqinr::alignment")
dist <- dist.alignment(myProtAlign2, "similarity")
as.matrix(dist)
# Applying the Neighbor Joining Algorithm
phyloGenTree <- nj(dist)
# Plotting the phylogenetic tree
layout(matrix(data = 1, nrow = 1, ncol = 1), width=c(1.4))
plot(phyloGenTree,main = 'Phylogenetic Tree',sub = 'Orthologs of Zebrafish')
}
prot_database = "swissprot"
# Names of leaves of the tree :
species_list = c('Zebra fish','Human','Mouse arc cress',
'bovine','Mus musculus','Xenopus tropicalis',
'Rattus norvegicus','Saccharomyces cerevisiae',
'Caenorhabditis elegans','Dictyostelium discoideum',
'Pongo abelii','Gallus gallus','Drosophila melanogaste')
n_species = length(species_list)
access_numbers = c("AC=Q7ZV68","AC=Q9UBQ0","AC=Q9STT2","AC=Q3T0M0",
"AC=Q9QZ88","AC=Q6DEU3","AC=B2RZ78","AC=P38759",
"AC=Q9XVX5","AC=Q54IF7","AC=Q5R9Z1","AC=Q5ZIL2","AC=Q9VPX5")
fasta_file = "myMidtermSeq"
phyloGeneticTree(prot_database,species_list,n_species,access_numbers,fasta_file)
#############################################################################
#############################################################################
#############################################################################
############## RUN BELOW IF SOCKET PROBLEM ONE BY ONE ##############
#############################################################################
#############################################################################
#############################################################################
# ------- Step 1 ------- #
##########################
# Choosing our database :
# - UniProt/Swiss-Prot
list_databases = seqinr::choosebank();list_databases
# Choosing UniProt/Swiss-Prot database :
myDataBase = "swissprot" ;myDataBase
# Connecting database :
choosebank(myDataBase)
## ---- Step 1 Finish ---- ##
# ------- Step 2 ------- #
##########################
# Determining Substitution matrix :
# I am going to use default substitution matrix in the following parts
## ---- Step 2 Finish ---- ##
# ------- Step 3,4 and 5 ------- #
##################################
# Query to retrieve the necessary information
# Getting sequences from the determined query
## ----------------- Zebrafish ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q7ZV68 ----#
###################################################
###################################################
# Accesing database number :
access_number1 = "AC=Q7ZV68"
# Organism :
organism1 = "Danio rerio"
# Query to retrieve information
myQuery1 = seqinr::query(listname = organism1,
query = access_number1)
zebrafishSeq = seqinr::getSequence(myQuery1$req[[1]],
as.string=T)
zebrafishSeq
###################################################
###################################################
## ----------------- Ortholog1 ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q9UBQ0 ----#
###################################################
###################################################
# Accesing database number :
access_number2 = "AC=Q9UBQ0"
# Organism :
organism2 = "Homo sapiens"
# Query to retrieve information
myQuery2 = seqinr::query(listname = organism2,
query = access_number2)
humanSeq = seqinr::getSequence(myQuery2$req[[1]],
as.string=T)
humanSeq
###################################################
###################################################
## ----------------- Ortholog2 ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q9STT2 ----#
###################################################
###################################################
# Accesing database number :
access_number3 = "AC=Q9STT2"
# Organism :
organism3 = "Arabidopsis thaliana"
# Query to retrieve information
myQuery3 = seqinr::query(listname = organism3,
query = access_number3)
mouseearcressSeq = seqinr::getSequence(myQuery3$req[[1]],
as.string=T)
mouseearcressSeq
###################################################
###################################################
## ----------------- Ortholog3 ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q3T0M0 ----#
###################################################
###################################################
# Accesing database number :
access_number4 = "AC=Q3T0M0"
# Organism :
organism4 = "Bos taurus"
# Query to retrieve information
myQuery4 = seqinr::query(listname = organism4,
query = access_number4)
bovineSeq = seqinr::getSequence(myQuery4$req[[1]],
as.string=T)
bovineSeq
###################################################
###################################################
## ----------------- Ortholog4 ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q9UTI5 ----#
###################################################
###################################################
# Accesing database number :
access_number5 = "AC=Q9QZ88"
# Organism :
organism5 = "Mus musculus"
# Query to retrieve information
myQuery5 = seqinr::query(listname = organism5,
query = access_number5)
mouseSeq = seqinr::getSequence(myQuery5$req[[1]],
as.string=TRUE)
mouseSeq
###################################################
###################################################
## ----------------- Ortholog5 ----------------- ##
# ---- https://www.uniprot.org/uniprot/Q6DEU3 ----#
###################################################
###################################################
# Accesing database number :
access_number6 = "AC=Q6DEU3"
# Organism :
organism6 = "Xenopus tropicalis"
# Query to retrieve information
myQuery6 = seqinr::query(listname = organism6,
query = access_number6)
frogSeq = seqinr::getSequence(myQuery6$req[[1]],
as.string=TRUE)
frogSeq
###################################################
###################################################
###################################################
###################################################
## ----------------- Ortholog6 ----------------- ##
# ---- https://www.uniprot.org/uniprot/B2RZ78 ----#
###################################################
###################################################
choosebank(myDataBase)
# Accesing database number :
access_number7 = "AC=B2RZ78"
# Organism :
organism7 = "Rattus norvegicus"
# Query to retrieve information
myQuery7 = seqinr::query(listname = organism7,
query = access_number7)
ratSeq = seqinr::getSequence(myQuery7$req[[1]],
as.string=TRUE)
ratSeq
###################################################
###################################################
## ----------------- Ortholog7 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number8 = "AC=P38759"
# Organism :
organism8 = "Saccharomyces cerevisiae"
# Query to retrieve information
myQuery8 = seqinr::query(listname = organism8,
query = access_number8)
stSeq = seqinr::getSequence(myQuery8$req[[1]],
as.string=TRUE)
stSeq
###################################################
###################################################
###################################################
###################################################
## ----------------- Ortholog8 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number9 = "AC=Q9XVX5"
# Organism :
organism9 = "Caenorhabditis elegans"
# Query to retrieve information
myQuery9 = seqinr::query(listname = organism9,
query = access_number9)
eleSeq = seqinr::getSequence(myQuery9$req[[1]],
as.string=TRUE)
eleSeq
###################################################
###################################################
## ----------------- Ortholog9 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number10 = "AC=Q54IF7"
# Organism :
organism10 = "Dictyostelium discoideum"
# Query to retrieve information
myQuery10 = seqinr::query(listname = organism10,
query = access_number10)
ddSeq = seqinr::getSequence(myQuery10$req[[1]],
as.string=TRUE)
ddSeq
###################################################
###################################################
## ----------------- Ortholog10 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number11 = "AC=Q5R9Z1"
# Organism :
organism11 = "Pongo abelii"
# Query to retrieve information
myQuery11 = seqinr::query(listname = organism11,
query = access_number11)
paSeq = seqinr::getSequence(myQuery11$req[[1]],
as.string=TRUE)
paSeq
###################################################
###################################################
## ----------------- Ortholog11 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number12 = "AC=Q5ZIL2"
# Organism :
organism12 = "Gallus gallus"
# Query to retrieve information
myQuery12 = seqinr::query(listname = organism12,
query = access_number12)
chicSeq = seqinr::getSequence(myQuery12$req[[1]],
as.string=TRUE)
chicSeq
###################################################
###################################################
## ----------------- Ortholog12 ----------------- ##
# ---- https://www.uniprot.org/uniprot/P38759 ----#
###################################################
###################################################
# Accesing database number :
access_number13 = "AC=Q9VPX5"
# Organism :
organism13 = "Drosophila melanogaster"
# Query to retrieve information
myQuery13 = seqinr::query(listname = organism13,
query = access_number13)
dmSeq = seqinr::getSequence(myQuery13$req[[1]],
as.string=TRUE)
dmSeq
###################################################
###################################################
## ---- Step 3,4,5 Finish ---- ##
# ------- Step 6 ------- #
##########################
# Converting sequences to .fasta format :
# Names of leaves of the tree :
vect_names = c('Zebra fish','Human','Mouse arc cress',
'bovine','Mus musculus','Xenopus tropicalis',
'Rattus norvegicus','Saccharomyces cerevisiae',
'Caenorhabditis elegans','Dictyostelium discoideum',
'Pongo abelii','Gallus gallus','Drosophila melanogaste')
# First converting list :
list_seq = as.list(c(zebrafishSeq,humanSeq,mouseearcressSeq,
bovineSeq,mouseSeq,frogSeq,ratSeq,
stSeq,eleSeq,ddSeq,paSeq,chicSeq,dmSeq))
# Converting our sequences in .fasta format :
seqinr::write.fasta(sequences = list_seq,
names = vect_names,
as.string = F,
file.out = "myMidtermSeq")
# Retrieving sequences in .fasta format :
seq = Biostrings::readAAStringSet(filepath = "myMidtermSeq")
## ---- Step 6 Finish ---- ##
# ------- Step 7 ------- #
##########################
# Multiple Sequence Alignment
myProtAlign <- msa::msa(inputSeqs = seq)
print(myProtAlign, show="complete")
myProtAlign2 <- msaConvert(myProtAlign,
type="seqinr::alignment")
## ---- Step 7 Finish ---- ##
# ------- Step 8 ------- #
##########################
# Calculating the matrix of pairwise distances from the aligned proteins
dist <- dist.alignment(myProtAlign2, "similarity")
as.matrix(dist)
?dist.alignment
## ---- Step 8 Finish ---- ##
# ------- Step 9 ------- #
##########################
# Applying the Neighbor Joining Algorithm
phyloGenTree <- ape::nj(dist)
## ---- Step 9 Finish ---- ##
# ------- Step 10 ------- #
##########################
# Plotting the phylogenetic tree
layout(matrix(data = 1, nrow = 1, ncol = 1), width=c(1.4))
plot(phyloGenTree,main = 'Phylogenetic Tree')
## ---- Step 10 Finish ---- ##