Cactus 是由 UCSC（加州大学圣克鲁兹分校） 开发的 全基因组比对工具（Whole Genome Alignment, WGA），采用 层次化比对算法（Progressive Alignment），能够高效处理跨物种或同物种的基因组比对任务。Cactus的核心是全基因组比对工具（Whole Genome Alignment），但它独特的层次化比对算法使其成为构建泛基因组（Pangenome）的基础工具。它通过比对多个基因组，识别保守区域和变异位点，从而为泛基因组分析提供输入数据。

01 Cactus主要用在哪里

1 经典应用：全基因组比对

1.1 跨物种比较（如人-小鼠-鸡）：分析保守区域、基因家族演化。

1.2 同物种群体分析（如不同水稻品种）：检测SNP、结构变异（SV）、存在-缺失变异（PAV）。

2 延伸应用：泛基因组（Pangenome）构建

Cactus的比对结果（HAL格式）是 图泛基因组（Graph Pangenome） 的基础输入，例如：

2.1 通过工具链（如hal2vg）转换为变异图（Variation Graph）。

2.2 结合minigraph-cactus流程直接构建泛基因组。

02 下载安装方法

下载：

软件github：https://github.com/ComparativeGenomicsToolkit/cactus

选择的是Pre-compiled Binaries Linux Tarball这个版本：

wget https://github.com/ComparativeGenomicsToolkit/cactus/releases/download/v2.9.9/cactus-bin-v2.9.9.tar.gz

安装：

# 解压缩
tar -xzf cactus-bin-v2.9.9.tar.gz
# 进入文件夹
cd cactus-bin-v2.9.9
# 要构建 python virtualenv 并激活，执行以下步骤。这需要 Python 版本 >= 3.9
# 在当前文件夹下面创建了一个venv-cactus-v2.9.9的文件夹，以后激活也得记得环境所在的路径
virtualenv -p python3 venv-cactus-v2.9.9
# 把现在的环境给到虚拟环境
printf "export PATH=$(pwd)/bin:\$PATH\nexport PYTHONPATH=$(pwd)/lib:\$PYTHONPATH\nexport LD_LIBRARY_PATH=$(pwd)/lib:\$LD_LIBRARY_PATH\n" >> venv-cactus-v2.9.9/bin/activate

进行配置：

# 激活环境
source venv-cactus-v2.9.9/bin/activate
# 执行一些下载的指令
python3 -m pip install -U setuptools pip wheel
python3 -m pip install -U .
python3 -m pip install -U -r ./toil-requirement.txt
# 某些工具需要 ，并且不包括在内，必须单独下载
# 这个时候还在cactus-bin-v2.9.9这个文件夹下
cd bin
# 要给可执行的权限
for i in wigToBigWig faToTwoBit bedToBigBed bigBedToBed axtChain pslPosTarget bedSort hgGcPercent mafToBigMaf hgLoadMafSummary hgLoadChain; do
 wget -q http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/${i};
 chmod +x ${i}; 
done

总体参考：

https://github.com/ComparativeGenomicsToolkit/cactus/blob/v2.9.9/BIN-INSTALL.md

如果下载的是源代码或者在docker里面使用可以参考这个：

https://github.com/ComparativeGenomicsToolkit/cactus/blob/v2.9.9/README.md

检测使用：

source venv-cactus-v2.9.9/bin/activate
# 看看能不能找到
which cactus
# 看看版本编号
cactus --version

03 使用方法

1. 输入准备：

1.1 基因组文件：每个样本的FASTA文件（如sample1.fa, sample2.fa）。

1.2 进化树文件（tree.txt）：即使同物种也需简单定义分支关系（例：(sample1:1,sample2:1);）。如果是不同种，进化树文件需要反映真实分支关系（例：((human:0.1,mouse:0.1):0.05,zebrafish:0.15);）

2. 运行命令：

cactus jobstore seqFile outputHal

usage: cactus [-h] [--config PATH] [--logCritical] [--logError] [--logWarning] [--logDebug] [--logInfo] [--logOff]
              [--logLevel {Critical,Error,Warning,Debug,Info,critical,error,warning,debug,info,CRITICAL,ERROR,WARNING,DEBUG,INFO}] [--logFile LOGFILE][--rotatingLogging]
[--logColors BOOL][--workDir PATH][--coordinationDir PATH][--noStdOutErr][--stats][--clean {always,onError,never,onSuccess}]
[--cleanWorkDir {always,onError,never,onSuccess}][--clusterStats [OPT_PATH]] [--restart]
[--batchSystem {aws_batch,single_machine,grid_engine,lsf,mesos,slurm,torque,htcondor,kubernetes}][--disableHotDeployment]
[--disableAutoDeployment DISABLEAUTODEPLOYMENT][--maxJobs MAX_JOBS][--maxLocalJobs MAX_LOCAL_JOBS][--manualMemArgs][--runLocalJobsOnWorkers]
[--coalesceStatusCalls][--statePollingWait STATEPOLLINGWAIT][--statePollingTimeout STATE_POLLING_TIMEOUT][--batchLogsDir BATCH_LOGS_DIR]
[--awsBatchRegion AWS_BATCH_REGION][--awsBatchQueue AWS_BATCH_QUEUE][--awsBatchJobRoleArn AWS_BATCH_JOB_ROLE_ARN][--scale SCALE]
[--dont_allocate_mem | --allocate_mem][--symlinkImports BOOL][--moveOutputs BOOL][--caching BOOL][--provisioner {aws,gce,None}][--nodeTypes NODETYPES]
[--maxNodes INT[,INT...]] [--minNodes INT[,INT...]] [--targetTime INT][--betaInertia FLOAT][--scaleInterval INT][--preemptibleCompensation FLOAT]
[--nodeStorage INT][--nodeStorageOverrides NODETYPE:NODESTORAGE[,NODETYPE:NODESTORAGE...]] [--metrics BOOL][--assumeZeroOverhead BOOL]
[--maxServiceJobs INT][--maxPreemptibleServiceJobs INT][--deadlockWait INT][--deadlockCheckInterval INT][--defaultMemory DEFAULTMEMORY]
[--defaultCores FLOAT][--defaultDisk INT][--defaultAccelerators ACCELERATOR[,ACCELERATOR...]] [--defaultPreemptible [BOOL]] [--maxCores INT]
[--maxMemory INT][--maxDisk INT][--retryCount INT][--enableUnlimitedPreemptibleRetries BOOL][--doubleMem BOOL][--maxJobDuration INT]
[--rescueJobsFrequency INT][--jobStoreTimeout FLOAT][--maxLogFileSize MAXLOGFILESIZE][--writeLogs [OPT_PATH]] [--writeLogsGzip [OPT_PATH]]
[--writeLogsFromAllJobs BOOL][--writeMessages PATH][--realTimeLogging REALTIMELOGGING][--disableChaining BOOL]
[--disableJobStoreChecksumVerification BOOL][--sseKey PATH][--setEnv NAME=VALUE or NAME][--servicePollingInterval FLOAT][--forceDockerAppliance BOOL]
[--statusWait INT][--disableProgress][--debugWorker][--disableWorkerOutputCapture][--badWorker FLOAT][--badWorkerFailInterval FLOAT]
[--configFile CONFIGFILE][--root ROOT][--latest][--containerImage CONTAINERIMAGE][--binariesMode {docker,local,singularity}][--gpu [GPU]]
[--lastzCores LASTZCORES][--lastzMemory LASTZMEMORY][--consCores CONSCORES][--consMemory CONSMEMORY][--intermediateResultsUrl INTERMEDIATERESULTSURL]
[--skipPreprocessor][--maxOutgroups MAXOUTGROUPS][--chromInfo CHROMINFO]
jobStore seqFile outputHal

其中seqFile是配置文件，里面包含了物种的进化树文件（第一行）、fa序列文件名称以及所在位置。outputHal是输出的HAL文件名称。当分析不同物种时，需要用--root 指定一下根。

04 输出文件及处理

1. 输出文件:outputHal

输出的文件是Hal格式，无法直接进行查看，只能使用halStats做统计，但是cactus提供了很多命令可以进行格式转化。

#统计命令：
halStats outputHal > stats.txt

2. 后续处理

2.1 转换成maf文件：

hal2maf output.hal output.maf
# 推荐参数： -refGenome xxx --chunkSize 500000 --dupeMode single --noAncestors
# 提取时一定要有参考基因组。 --dupeMode single只提取单拷贝； --noAncestors 不包含构建好的祖先序列 chunkSize随便选，大一点结果好，只是大一点提取应该会慢。
# 但是hal2maf很慢，只能处理小文件，所以推荐cactus-hal2maf

2.2 转化成vg文件

hal2vg output.hal --refGenomes XX --noAncestors  > output.vg

2.3 转成GBZ

vg autoindex --workflow giraffe -v output.hal -p pangenome -t 32

2.4 生成GFA

vg convert output.hal -g > pangenome.gfa

2.5 生成ODGI

vg convert  output.hal -o > pangenome.og
odgi sort -i pangenome.og -o pangenome.sorted.og -P -t 32

参考：

https://www.nature.com/articles/s41586-020-2871-y

https://github.com/ComparativeGenomicsToolkit/cactus/blob/master/doc/progressive.md