博文

群体遗传结构分析软件系列

已有 3731 次阅读 2021-12-19 14:35 |系统分类:博客资讯

种质资源评价的内容包括遗传多样性、亲缘关系、指纹图谱和遗传结构分析。遗传多样性和亲缘关系的分析方法详见往期文章。本系列主要是讲群体遗传结构分析的软件Structure2.0、最佳K值确定、Clumpp2.0合并Q矩阵和Q plot的绘制。

STRUCTURE2.3.1

STRUCTURE是对群体进行基于数学模型的亚群划分一，并计算材料相应的Q值（即第i材料其基因组变异源于第K群体的概率）。基本原理是，首先假定样本存在k个等位变异频率特征类型数（即服从Hardy-Weinberger平衡的亚群，这里k可以是未知的），每一亚群SSR/SNP位点由一套等位变异频率表征，将样本中各材料归到（或然率用Bayesian方法估计）第k个亚群，使得该亚群群内位点频率都遵循同一个Hardy-Weinberger平衡。先设定群体数目k=2到k=10，并假定位点都是独立的，将开始时MCMC的不作数迭代设为100,000次，再将不作数迭代后的设为100,000次，3个以上重复的K值对应的LnP(D)值平均值及其标准差，然后依据似然值最大的原则或计算ΔK峰值拐点处选取一个合适的K值。用于该分析模型的SSR/SNP位点最好是相互独立的，位点两两间的连锁不平衡R2<0.2为宜。

具体操作步骤：

1.软件下载安装。可在http://pritch.bsd.uchicago.edu/structure.html官网下载最新版本。老版本的2.0软件需要Java Runtime，所以需要下载安装JRE1.5以上版本。官网还可以下载到命令行控制运行的版本以及适合于大规模SNP数据的FastStrucuture软件。在此，先介绍一下在windows系统下，针对低通量弱连锁的标记基因型数据的使用方法。

2.数据格式。数据格式如下图所示，可识别单倍体、二倍体和多倍体数据，格式就是以每个材料有几行进行区分。基因型数据可从1开始的数字表示不同的基因型，缺失数据用-1表示。在Excel中整理好格式以后，复制粘帖至txt中保存。需要注意的是：有时候数据无法导入软件或者识别总是少一行，这种情况下请检查a.在基因型数据中是否有快捷保存时候误输入的S字母；b.在数据第一行最后一个数据后加一个空格。

3.数据导入。打开STRUCUTURE.exe应用程序，File菜单下选择Open data file，在弹出的对话框中找到自己存储数据的文件，点击打开，打开成功后，会弹出一个对话框，提示导入数据的存储路径以及行数和列数。

4.新建Project。在File菜单下，选择NewProject，弹出对话框，设置参数。

在对应的位置填写新Project的名字、存储的路径和数据文件。设置好之后，点击next弹出对话框Step2，根据数据输入样本数、数据的倍性、位点数目和缺失数据表示方法。然后点击next。

弹出如下对话框Step3

Step3对输入数据的行进行定义，根据实际导入数据进行选择。比如，第一行包括了标记名称，可以第一项Row of marker names前面选中。然后点击Next。需要注意的是，如果第一行包括了标记名称，则标记名称必须从第一行的第一个单元格开始。

Step4是对数据的列进行定义，根据实际导入数据进行选择，比如第一列包括了样本编号，所以第一项Individual ID for each individual前面选中。选中之后，点击Finish，导入数据成功。

点击Proceed。Project创建成功。

5.参数设置。Parameter Set菜单下，选择New，弹出对话框。

Run length设置。Burnin Period设为50,000，MCMC Reps设为50,000，其他都可以选择默认设置。点击OK，给新的参数集设定个名字，点击OK。

6.运行。在Projet菜单下，选择Start ajob,弹出对话框。

选中参数集，设置K从1到10，Number of Iterations可以设为3-5均可，表示每个K值计算3-5次重复，K从1变化到10.。设置完成后，点击Start运行。如果无法运行程序，可关闭软件之后，再在File菜单下找到open project，根据文件路径找到建立的project，再次重复运行start a job的操作。只要数据没有问题，是可以正常运行的。