企业官网建设流程全解析

做基因家族分析的时候，经常会有人问我：系统发育树画出来了，基因结构也展示了，怎么证明这些基因在不同物种之间是真的同源，而不是我强行把它们拉到一起？我的做法是补一张物种间共线性分析图。共线性分析（synteny/collinearity analysis）能说明两边的同源基因不仅序列相似，而且它们周边的基因排列顺序也保持保守，这个证据比单独一条BLAST结果要硬得多。最早做这件事，一般都要在Linux下装MCScanX，再用Perl脚本清洗数据，对没接触过命令行的朋友不太友好。后来我长期用TBtools，它把MCScanX这一整套流程封装成了图形界面，双击就能跑，还能直接出图。这篇文章就按我实际跑的完整流程，从输入数据准备到最终出版级图片，一步步拆开说清楚，适合正在做基因家族、比较基因组和进化分析的朋友参考。

1. 物种间共线性分析到底在回答什么科学问题

1.1 共线性不是简单的“序列相似”

很多初学者会把共线性理解成“两个物种的序列很像”，其实不对。序列相似是BLAST就能回答的问题，共线性回答的是另一个问题：这些相似的基因，在两条染色体上的相对顺序是不是也一致。

我常用一个生活化的类比：BLAST相当于告诉你两栋楼里都有“客厅”和“卧室”，共线性则进一步说明，客厅旁边是卧室，卧室旁边是厨房，两栋楼的房间布局都差不多。如果两个物种在物种分化之后没有发生大规模染色体重排，那么它们从祖先基因组里继承下来的那些基因，通常会以“模块”的形式保留在染色体上，顺序大致相同。这个模块就是共线性区块（syntenic block / collinear block）。

在比较基因组学里，synteny更强调区块层面的同源关系，collinearity则更强调区块内基因顺序的保守。不过日常交流中大家经常混用，TBtools里叫“共线性分析”，实际上跑的是MCScanX的collinearity检测。

1.2 物种间共线性与物种内共线性的用途差异

我经常被问到：物种间共线性和物种内共线性有什么区别？这两个功能在TBtools里都能做，但回答的科学问题完全不同。

物种内共线性（intra-species collinearity）用于检测单个基因组内部的重复区块，典型场景是全基因组复制事件（WGD）分析。比如拟南芥经历过多轮WGD，你拿它自己的染色体和自身比对，能看到很多同源区块分布在不同的染色体上，这些区块就是古代加倍事件留下的痕迹。

物种间共线性（inter-species collinearity）用于比较两个或更多物种之间的保守区块。做基因家族分析时，如果某个家族成员在物种A和物种B里位于彼此对应的共线性区块中，就可以很有底气地说这两个基因是直系同源，至少也是在物种分化之前就从共同祖先继承下来的，而不是各自独立扩张出来的。这个证据对后续的基因命名、功能注释和进化推断都很有帮助。

1.3 一张共线图能读出多少进化信息

完成一次物种间共线性分析后，你能从结果里看到的东西比想象中多：哪些染色体区段在物种分化后保持完整，哪些被倒位、易位打断，哪些区块里的基因发生了丢失，甚至可以根据同义替代率（Ks）估算大致的分化时间。这些信息在系统发育树之外提供了一个独立的证据维度。

举个例子，水稻和高粱同属禾本科，亲缘关系较近，它们的共线性区块应该非常完整，一条水稻染色体可能对应一到几条高粱染色体。而水稻和拟南芥这类单双子叶之间的比较，共线性区块会比较破碎，需要更宽松的阈值才能看到残留的保守片段。所以拿到结果后不要急着下结论，先看看两个物种的亲缘关系，再判断结果是否符合预期。

2. 动手前先分清TBtools里的分析工具和绘图工具

2.1 One Step MCScanX 才是真正做共线性分析的工具

TBtools里和共线性有关的功能很多，我见过不少新手把Dual Systeny Plot当成“共线性分析”直接点开，然后发现不知道怎么填文件。这里先明确一下分工：真正负责计算共线性区块的是One Step MCScanX，其他多数工具都只是对MCScanX结果进行可视化。

One Step MCScanX顾名思义，一步完成“蛋白序列BLAST比对 + MCScanX共线性搜索”。MCScanX本身是一个命令行程序，原理是基于BLAST得到的同源基因对，再用动态规划算法把那些在染色体上顺序一致、方向一致的同源基因对连成区块。对于不熟悉Linux的人来说，光是把输入文件整理成MCScanX要求的格式就够折腾的，TBtools在这里的价值就是把格式处理、程序调用和结果整理全部包办了。

我自己的习惯是：只有在需要批量处理几十个物种时，才会回到命令行去跑MCScanX原版。普通的两两比较，直接在TBtools里点一下就完成了，保证结果一致，还省去环境配置的麻烦。

2.2 可视化工具Dual Systeny Plot和Advanced Circos的分工

MCScanX算完之后，得到的是一堆包含“染色体A上的基因列表 vs 染色体B上的基因列表”的文本结果，直接看很难形成直觉，所以要画图。TBtools里常用的有两个画图工具。

从项目沟通角度来说，给合作者或审稿人看时，圈图（Circos）往往最直观，因为可以把多个物种、多个共线区块放在一张图里，信息密度很高。但如果只需要简单看看两个物种之间的关系，Dual Systeny Plot更轻量，出图也更快，不用花时间调整一堆圈图参数。

2.3 我建议的工作流

我在实际项目中的工作流一般是四步：

第一步，先做一个小规模测试。比如只取目标物种的某一条染色体和另一个物种做One Step MCScanX，或者用完整数据但设置较严格的E-value先跑一次。这么做的目的是快速验证GFF和蛋白序列的ID格式有没有问题，避免等了两小时后才发现文件前缀不匹配。

第二步，跑全基因组的One Step MCScanX，得到正式的collinearity结果。

第三步，根据需求画图。两个物种用Dual Systeny Plot，超过两个物种或者要给文章做摘要图就用Advanced Circos。

第四步，从collinearity文件里提取具体基因对，结合基因家族成员列表做筛选，把特定家族的共线关系单独提出来，再叠加标注到图上。

别看这四步简单，每一步都有很多细节，尤其是第一步的数据准备，最不起眼，也最容易翻车。

3. 输入文件准备：GFF和蛋白序列的规范化处理

3.1 从公共数据库下载哪些文件

做物种间共线性分析，需要每个物种提供两个核心文件：一个是基因组注释文件（GFF/GFF3），另一个是蛋白序列文件（FASTA）。

GFF文件里记录的是每个基因在染色体上的位置、方向、转录本结构等信息。蛋白序列文件则提供了所有基因对应的氨基酸序列。下载来源我一般首选Ensembl Plants、Phytozome或NCBI RefSeq，这几个数据库的物种覆盖面广，注释质量也比较可靠。

如果你做基因家族分析，前面可能已经下载过目标物种的蛋白序列，那这时候只需要再补一个GFF文件。注意下载时看清是GFF3还是GTF，推荐GFF3。GTF主要给转录本定量用，缺少MCScanX需要的部分层级信息，即使能跑也容易出问题。

下载后先解压，然后用文本编辑器或less命令瞄一眼文件内容，确认没有空文件、没有乱码，再继续下一步。

3.2 文件命名和目录规范

这一步我吃了不少亏，现在会特别强调：TBtools对中文路径和文件名中的特殊字符非常敏感。建议创建一个纯英文目录，例如D:/synteny/，把两个物种的文件放进去，并统一使用简洁前缀命名。

我常用的命名规则是“物种拉丁名前几个字母缩写 + 文件类型”，例如：

• 水稻：Osativa.gff3、Osativa.pep.fa
• 高粱：Sbicolor.gff3、Sbicolor.pep.fa

其中Os是Oryza sativa的缩写，Sb是Sorghum bicolor的缩写。文件名里只保留字母、数字、点和下划线，不要有空格，也不要以数字开头。原因很简单，MCScanX在运行过程中会用文件名前缀作为样本标识，如果前缀很乱，后面解析结果时你会非常痛苦。

提示：文件名前缀在同一轮分析里不要重复。比如同时做水稻和水稻的物种内共线性分析，两个文件不能都叫rice.gff3，否则输出文件会互相覆盖。用不同的拉丁名缩写最稳妥。

3.3 GFF与FASTA的ID对应关系检查

这是整个流程里最关键的检查点，没有之一。One Step MCScanX需要把蛋白序列和基因位置对应起来，对应关系就是FASTA序列头的ID和GFF文件中基因/转录本的ID。

不同数据库的ID风格差异很大。Ensembl Plants通常用gene:...或转录本ID作为FASTA序列头，NCBI则经常出现lcl|前缀。如果GFF中的基因ID是Os01g0100100，而FASTA头的ID是XP_015612345.1，那MCScanX就会认为它们毫无关系，最后结果基本是空的。

我检查ID是否匹配的办法很简单：用文本编辑器分别打开GFF和FASTA，看两种ID的写法是否一致。或者用TBtools里的GFF3 to Table工具，把GFF转换成表格，和FASTA头部做个对比。

3.4 我常用的预处理命令

如果发现ID不匹配，最简单的处理是通过命令行批量改名。下面这两个命令我经常用：

# 查看FASTA前10条序列的ID grep "^>" Osativa.pep.fa | head -n 10 # 查看GFF中基因特征的前5行 grep -P "\tgene\t" Osativa.gff3 | head -n 5

如果FASTA头里除了ID还有其他描述信息，需要只保留第一个字段：

# 将序列头统一改成第一个下划线/空格前的ID，例如>gene_001 description -> >gene_001 awk '{print $1}' Osativa.pep.fa > Osativa.clean.pep.fa

注意awk '{print $1}'这种写法对标准FASTA头有效，对NCBI那种lcl|xxx开头的头也能把描述去掉。如果要去掉lcl|前缀，可以配合sed一起用：

sed 's/^>lcl|/>/' Osativa.ncbi.pep.fa > Osativa.clean.pep.fa

改完之后一定要再看一眼，确认ID之间没有多余的空格或特殊符号。这个环节多花十分钟，后面能少折腾两个小时。

4. 核心一步：One Step MCScanX参数逐项讲解与运行

4.1 工具入口和界面

TBtools启动后，在顶部菜单栏找到Comparative Genomics，里面通常有One Step MCScanX；不同版本的位置可能略有差异，有的放在Genomics菜单下，但名称不变。点击后会弹出一个窗口，需要填写的核心内容有三个：GFF文件、蛋白序列文件和输出目录。

窗口里的文件选择顺序是：先选参考物种的GFF和蛋白序列，再选第二个物种的GFF和蛋白序列。严格来说MCScanX的运行不区分“参考”和“查询”，它会把两个物种的蛋白放在一起做双向BLAST，再搜索共线性区块，所以这里的顺序只影响输出文件的组织结构，不影响最终是否发现共线基因对。

输出目录建议单独建一个文件夹，比如./synteny_out，不要直接输出到桌面上，也不要用中文路径。TBtools会把BLAST中间文件、MCScanX结果文件都写到这个目录里，目录越干净越容易整理。

4.2 核心参数E-value和Max Gaps

One Step MCScanX界面里有两个参数我每次都会调整：E-value和Max Gaps。

E-value是BLAST筛选同源基因对的阈值，默认通常是1e-5。E-value越小，筛选越严格，得到的同源基因对越少但越可靠；E-value越宽松，越能找回远端同源基因，但也会引入更多假阳性。我在实际操作中的经验是：

• 近缘物种（比如禾本科内部）用默认的1e-5就很好；
• 远缘物种（比如动物和植物之间）可以放宽到1e-10或1e-5之间，重点看是否能找回已知的保守基因；
• 如果结果里共线性区块太多太碎，可以收紧到1e-7试试。

Max Gaps参数很容易被忽略，它指的是在共线性区块中，两个相邻同源基因之间允许插入多少个无关基因。MCScanX的经典默认阈值是25。可以这样理解：如果两个物种在某个区段的共线性基因排列得非常密集，中间没有太多其他基因，说明这个区块非常保守；如果中间塞了几十个不相关基因，那这段“共线性”可能只是偶然的相似，可信度不高。

MCScanX还有一个概念叫anchors（锚定基因），也就是处在共线性区块里的同源基因对。使用默认参数时，一个共线性区块至少要包含5对anchor基因才会被记录。这个最小anchor数量在部分TBtools版本中也可以调整，如果两个物种分化太远，可以适当降到3，但我不建议降到2以下，否则很容易从随机BLAST结果里拼出大量假区块。

4.3 输出目录与运行监控

点击运行后，TBtools底部会弹出日志窗口，显示当前进度。One Step MCScanX内部做的事情大致如下：

1. 解析两个物种的GFF文件，整理出每个基因的染色体位置；
2. 调用BLASTP对两个物种的蛋白序列做两两比对；
3. 将BLAST结果转换成MCScanX要求的格式；
4. 运行MCScanX搜索共线性区块；
5. 整理输出文件。

日志里如果出现blastp not found之类的提示，说明系统里没有安装NCBI BLAST+，或者TBtools没有正确找到BLAST程序。解决办法是提前安装BLAST+，并把blastp所在目录加入环境变量PATH。在Windows下，如果你用Anaconda，也可以打开Anaconda Prompt执行conda install -c bioconda blast，然后重启TBtools，让TBtools继承这个环境变量。

运行时间取决于物种基因组大小和蛋白数量。两个蛋白组各3万个基因的物种，完整跑完通常需要几十分钟到数小时不等，主要瓶颈在BLASTP这一步。所以我在第二节提到的小规模测试非常重要，先用小数据把流程跑通，再上全基因组，能帮你省下不少等待时间。

4.4 输出文件清单

运行结束后，输出目录里会出现一系列文件。其中最重要的两个：

• .blast或类似命名的BLAST结果文件，记录所有同源基因对；
• .collinearity文件，记录最终检测到的共线性区块。

另外还会有一些MCScanX产生的辅助文件和TBtools的日志文件。我一般不会直接删掉，因为后续统计、画图常常会用到。拿到.collinearity文件后，可以先用文本编辑器打开看看，确认里面不是空的，再做可视化。

5. 出图环节：从Dual Systeny Plot到Advanced Circos

5.1 Dual Systeny Plot：两物种点图怎么调参数

当我只需要快速查看两个物种之间的共线性情况时，首选Dual Systeny Plot。它画出来的效果是：上方一条参考物种的染色体图谱，下方一条查询物种的染色体图谱，中间用曲线把共线基因对连起来。

打开TBtools后，在Comparative Genomics菜单下找到Dual Systeny Plot。界面里需要提供：

• 参考物种的GFF文件；
• 查询物种的GFF文件；
• MCScanX得到的.collinearity文件。

填完之后点击Start，TBtools会根据GFF里的染色体长度和collinearity文件里的基因对位置，自动生成一条竖直方向的连线图。默认情况下，每条染色体用不同颜色区分，共线基因对之间用灰色曲线连接。

如果图里的连线过于密集，可以调整一个显示比例参数，只显示那些anchor数量较多的共线区块，把碎片化的单基因连线过滤掉。这个阈值设置在界面上通常叫类似“min score”或通过滑块控制，具体名称随版本不同，思路是把可信度低的支行去掉，让主干结构更清晰。

从图里能直观看到三种信息：一是共线区块所在的染色体区域，二是倒位事件（区块方向反转，连线呈X形交叉），三是转座事件（同一段序列连接到了另一条染色体的不同位置）。

5.2 Advanced Circos：多物种环形图的配置逻辑

如果要展示三个以上物种，或者想在图上同时标注基因家族成员，我会用Advanced Circos。这个工具功能非常强，但配置比Dual Systeny Plot复杂一些，因为它本质上是一个自定义程度很高的圈图绘制器。

基本的配置步骤是这样：在Graphics菜单下找到Advanced Circos，然后在界面里分几个区域添加数据文件：

第一个区域是染色体长度文件。格式是两列，第一列染色体ID，第二列染色体长度，用Tab分隔，不要加表头。这个文件可以从GFF里提取，也可以自己在Excel里整理后另存为txt。

第二个区域是共线性区块文件。可以来源于MCScanX的.collinearity，也可以使用BLAST结果转换而来的区块文件。如果选.collinearity，TBtools通常能直接识别并解析；如果同时展示多个物种之间的共线性，需要把多组区块文件都导入进来。

第三个区域是可选的标注文件，用来在圈图上高亮特定基因。做基因家族分析时，这一步会非常加分：把你关注的家基因成员ID整理成一个列表，导入后在圈图对应位置就会标出名字或符号，审稿人一眼就能看到该家族哪些基因位于共线区块中。

5.3 出图与导出

不管用Dual Systeny Plot还是Advanced Circos，最后导出图片时我都会设置一个较高的分辨率。TBtools的绘图窗口通常支持调整宽度、高度和字体大小，可以在界面里先把颜色、线条粗细调到满意，再一次性导出PNG或PDF。建议有条件的话导PDF，后续用AI或Inkscape做细节修改不会糊。

另外不要忽略配色。一张好的共线性图，信息量再大，配色如果太乱也会显得很不专业。TBtools的默认配色已经经过设计，日常够用；如果要投稿，我会把染色体颜色改成同一色系的深浅渐变，共线连线的颜色改成半透明的灰色，这样整体看起来更清爽。

6. collinearity结果文件解读与后续常用分析

6.1 .collinearity 文件到底长什么样

MCScanX的.collinearity文件格式有固定结构，打开后大概是这个样子：

## Alignment 0: score=1254.0 e_value=0.0 N=12 L=0 C=0 0+ 0: gene_a_1 gene_a_2 gene_a_3 gene_a_4 ... 0+ 1: gene_b_1 gene_b_2 gene_b_3 gene_b_4 ... ## Alignment 1: score=986.0 e_value=0.0 N=10 L=0 C=0 ...

头一行里N=后面的数字表示这个共线性区块里含有的基因对数量。下面两行，一行来自参考物种，一行来自查询物种，每一对对位位置的基因就是一对共线基因。方向由+和-表示，如果两行方向一致，说明区块没有发生倒位；如果方向相反，说明其中一个物种里发生了倒位。

我以前刚接触这个文件时，习惯直接用Excel打开，但大文件很容易卡死，后面改用文本编辑器查看，配合命令行统计，效率高很多。

6.2 如何统计共线基因对数量

统计共线基因对之前，先要明确统计口径：是统计所有区块里的总基因对数，还是只统计某个基因家族成员涉及的共线关系。后者在基因家族分析中更常用。

假设你的目标家族成员ID清单在family_ids.txt里，可以用一个简单的循环来统计：

# 从collinearity文件中提取所有基因ID grep -v "^#" Osativa_Sbicolor.collinearity | \ awk '{$1=""; print}' | tr ' ' '\n' | \ grep -v "^$" | sort -u > all_genes_in_collinearity.txt # 和家族成员清单取交集 comm -12 <(sort family_ids.txt) <(sort all_genes_in_collinearity.txt) > family_genes_in_collinearity.txt

拿到交集列表后，再回到原始collinearity文件里检索每个家族基因位于哪个区块、和另一个物种的哪个基因配对。这一步用Excel的筛选功能也能做，但基因对一多就容易乱，我一般会写个简单脚本处理。

6.3 结合Ks值判断复制事件时间

共线性区块只告诉你基因顺序保守，没告诉你这些复制事件发生在多久以前。想要估计时间，常用的指标是Ks（同义位点替代率）。Ks越小，说明两个基因分化时间越近；Ks越大，说明分化时间越古老。

TBtools里有个Simple KaKs Calculator，可以批量计算一对基因的Ka和Ks。流程是先提取所有共线基因对的CDS序列，按“reference_gene和query_gene”的配对关系整理成输入文件，然后用Simple KaKs Calculator批量计算。算完之后，把Ks值分布做成柱状图，就能看到是否存在一个比较集中的近期扩张峰，还是整体都是古老事件。

对于做基因家族分析来说，这个分布直接关系到你对“家族扩张机制”的判断——如果某个家族成员大量出现在Ks值较小的共线区块，说明这个基因家族在近期发生过扩张，可能和物种适应性进化有关。

6.4 从物种间共线性走进基因家族分析

提到基因家族分析，是因为物种间共线性分析实在是一个高频前置步骤。常见的情形是你已经鉴定出一个目标基因家族在拟南芥里有10个成员，在水稻里有15个成员，接下来需要回答：水稻多出来的5个成员是物种分化后自己扩张出来的，还是拟南芥丢失了？这时物种间共线性分析就能帮上忙。

把目标家族的成员ID和.collinearity文件中的共线基因对做交集，如果水稻某个成员在拟南芥中有一一对应的共线基因，说明它在物种分化前就存在；如果水稻有几个成员位于同一个共线区块中，而拟南芥对应位置只有1个基因，那就说明水稻这个分支上发生过串联复制或片段复制，家族的扩张机制就有了比较坚实的证据。

这也是为什么很多基因家族方向的文章里，即使不专门讲比较基因组，也会放一张共线性圈图的原因——它是逻辑链上非常有力的证据。

7. 典型踩坑实录与排查思路

7.1 报错“File not found”或“Unsupported GFF format”

这个报错我遇到太多次了。绝大多数时候不是文件真的不存在，而是路径里有中文、空格或特殊字符，TBtools在解析时找不到正确位置。解决办法很简单：把整个分析目录移动到C:/或D:/下一个纯英文路径，文件名也改成英文，重新运行。

另一个常见原因是GFF文件本身已经不是标准格式。有些数据库下载的GFF注释文件，行内用了空格而不是Tab做分隔符，或者坐标列的顺序不对。TBtools会直接拒绝。检查方式是用文本编辑器打开GFF，确认每一列之间是Tab，最后一步再用GFF3 to Table工具转成表格看看是否正常。

7.2 运行结束了但collinearity文件为空

运行结束没有报错，结果文件却是空的，优先级最高的排查项就是GFF和FASTA的ID不一致。MCScanX是靠ID把蛋白序列映射回染色体位置的，只要有一批基因的ID对不上，这些基因就会被丢弃，剩下能参与分析的基因越来越少，自然检测不到区块。

我的排查步骤很固定：

1. 打开.collinearity文件，看是否完全为空还是只有几个区块；
2. 打开GFF文件，随机挑几个基因ID；
3. 打开FASTA文件，搜索同样的ID；
4. 如果不一致，用awk或sed统一修改FASTA头部。

另外还有一种情况：两个物种亲缘关系特别远，同源基因的BLAST E-value全部大于默认阈值，导致找不到可用同源基因。这时把E-value放宽到1e-3可以救回来一部分，但随之而来的假阳性也要警惕。

7.3 结果太少：不要急着怀疑软件

很多人跑完发现共线性区块很少，第一反应是TBtools出问题了。实际上，区块少往往说明两个物种之间确实经历过较频繁的重排，或者它们的亲缘关系确实较远。这时候先做两件事：

第一，从BLAST结果文件里统计一下，两个物种到底有多少对同源基因。如果同源基因对本身就很少，那共线性区块少是正常结果，调整参数意义不大。如果同源基因对很多但共线性区块很少，说明这些同源基因分散在染色体各处，没有形成保守顺序，这时候可以把Min Anchors从5降到3，看能不能恢复一些短区块。

第二，检查一下两个物种的染色体命名方式是否一致。有时候数据库里一个物种用chr1，另一个用1，MCScanX虽然能处理，但画图时会出现染色体名对不上的问题，看起来像结果里少了一片。

7.4 绘图时染色体名对不上

Dual Systeny Plot和Advanced Circos对染色体名的匹配非常严格。比如GFF里写的是Chr01，collinearity文件里却写成chr1，连线就会丢失。遇到这类问题，建议从头统一染色体命名：在GFF中用查找替换把Chr01改成chr1，同时重新跑一遍One Step MCScanX，因为collinearity文件里的染色体名是从GFF解析来的，只改可视化文件不动源头，问题仍会反复。

7.5 大基因组跑不动：先做“代表转录本”

不少植物基因组动辄5万个基因，而一个基因往往有多个转录本，如果蛋白FASTA文件里把所有转录本的蛋白都放进去，BLASTP的比对次数会急剧膨胀，运行时间会变成“天”级别。我的做法是先提取每个基因的“代表转录本”，也就是最长转录本或最长蛋白序列。

这个操作在TBtools里有现成工具，也可以自己写脚本。提取最长转录本的原则其实很简单：按基因ID对转录本分组，保留CDS或蛋白序列最长的一条，然后重新生成FASTA文件。GFF这边也需要同步过滤，只保留代表转录本对应的注释行。

如果你觉得处理转录本麻烦，还有一个替代方案：在Ensembl Plants下载时直接选择“pep.all.fa”，里面包含了所有转录本；另外有些网站提供“representative transcript”或“primary transcript”版本的蛋白文件，优先选这种。

提示：跑全基因组之前，务必先拿一条染色体做测试。染色体级别的数据几分钟就能出结果，既能验证ID、路径、BLAST环境都没问题，又能让你提前看到collinearity文件的大致格式，正式跑的时候心里有底。

最后再说一点实际操作中的体会

用TBtools做物种间共线性分析，真正的门槛从来不是点击那几下鼠标，而是进入软件之前的数据准备和离开软件之后的结果判断。我在实际项目中养成的习惯是：每次下载数据后，先把GFF和FASTA的ID对应关系检查一遍，再顺手给文件改好规范命名，最后用一条染色体做小规模测试。这套流程看起来多花了大半个小时，但换来的是一整天不折腾。

另一个小技巧是保存好中间文件。很多人跑完One Step MCScanX就把BLAST结果和日志删了，只留一个collinearity文件，后面想检查某个基因对是怎么比出来的，只能重新跑一遍，很浪费时间。我的习惯是把每个步骤的输入输出都放在同一个项目文件夹里，按01_rawdata、02_input、03_result、04_figure这样分目录排好，之后写文章、补实验、回应用审稿人意见时，都能在几分钟内找到对应文件。

最后想说，共线性分析的结果不要孤零零地看。它最好配合系统发育树、基因结构、表达谱和Ks值一起使用，才能把一个基因家族的进化故事讲完整。希望这篇东西能帮你少踩一些我踩过的坑，顺利产出你自己满意的图。