Alignment for tree of life

This alignment was used to build a tree with our MAGs, all taxa previously identified by Burgess et al. (2012) with complete genomes available on NCBI (downloaded 2017-09-06), and all archaeal and bacterial genomes previously used in Hug et al. (2016). The genomes used in this tree and a mapping file can be found on figshare.<br>(genomes in Hug et al.’s tree of life (2016): https://doi.org/10.6084/m9.figshare.6863594.v1, https://doi.org/10.6084/m9.figshare.6863744.v2, https://doi.org/10.6084/m9.figshare.6863813.v1; genomes from Burgess et al. (2012): https://doi.org/10.6084/m9.figshare.6863798.v1).<br> <br>PhyloSift builds an alignment of the concatenated sequences for a set of core markers for each taxon. We used 37 of these single-copy marker genes (ribosomal protein S2 rpsB, S10 rpsJ, L1 rplA, L22, L4/L1e rplD, L2 rplB, S9 rpsl, L3 rplC, L14b/L23e rplN, S5, S19 rpsS, S7, L16/L10E rplP, S13 rpsM, L15, L25/L23, L6 rplF, L11 rplK, L5 rplE, S12/S23, L29, S3 rpsC, S11 rpsK, L10, S8, L18P/L5E, S15P/S13e, S17, S13 rplM, L24; and translation initiation factor IF-2, metalloendopeptidase, phenylalanyl-tRNA synthetase beta subunit, phenylalanyl-tRNA synthetase alpha subunit, tRNA pseudouridine synthase B, Porphobilinogen deaminase, and ribonuclease HII; i.e., PhyloSift markers DNGNGWU00001 - DNGNGWU00040 without DNGNGWU00004, DNGNGWU00008 and DNGNGWU00038). The amino acid alignment of these 37 concatenated genes was trimmed using trimAl v.1.2. Columns with gaps in more than 5% of the sequences were removed, as well as taxa with with less than 75% of the concatenated sequences. MAGs from ARK and ZAV that did not meet this threshold were manually kept in the alignment.本次序列比对用于构建包含本研究宏基因组组装基因组（Metagenome-Assembled Genomes, MAGs）的系统发育树，所纳入的序列还包括Burgess等人（2012）此前鉴定、完整基因组可于美国国家生物技术信息中心（NCBI，2017年9月6日下载）获取的所有分类群，以及Hug等人（2016）研究中使用的全部古菌与细菌基因组。 本系统发育树所用基因组与映射文件均可于figshare平台获取。 （Hug等人2016年生命之树所用基因组：https://doi.org/10.6084/m9.figshare.6863594.v1、https://doi.org/10.6084/m9.figshare.6863744.v2、https://doi.org/10.6084/m9.figshare.6863813.v1；Burgess等人（2012）所用基因组：https://doi.org/10.6084/m9.figshare.6863798.v1） PhyloSift工具可针对每个分类群的一套核心标记基因生成拼接序列比对。本次研究选用其中37个单拷贝标记基因，包括：核糖体蛋白S2（rpsB）、S10（rpsJ）、L1（rplA）、L22、L4/L1e（rplD）、L2（rplB）、S9（rpsl）、L3（rplC）、L14b/L23e（rplN）、S5、S19（rpsS）、S7、L16/L10E（rplP）、S13（rpsM）、L15、L25/L23、L6（rplF）、L11（rplK）、L5（rplE）、S12/S23、L29、S3（rpsC）、S11（rpsK）、L10、S8、L18P/L5E、S15P/S13e、S17、S13（rplM）、L24；以及翻译起始因子IF-2、金属内肽酶、苯丙氨酰-tRNA合成酶β亚基、苯丙氨酰-tRNA合成酶α亚基、tRNA假尿苷合酶B、胆色素原脱氨酶与核糖核酸酶HII；即选取PhyloSift标记DNGNGWU00001至DNGNGWU00040中排除DNGNGWU00004、DNGNGWU00008与DNGNGWU00038的序列。 针对上述37个拼接基因的氨基酸序列比对，我们使用trimAl v.1.2进行了修剪：移除了在超过5%的序列中存在缺失的比对列，同时剔除了覆盖拼接序列比例低于75%的分类群。不过来自ARK与ZAV的宏基因组组装基因组未满足该阈值，我们将其手动保留于本次比对中。