一、自然选择的检测

非同义替代与同义替换的比值，即：ω 值，也就是通常所说的dN/dS（或Ka/Ks）。

（1）当ω  =1时，中性进化 （Neutral selection），即不受选择：

（2）当ω  >1时，正选择（Positive selection）；

（3）当 0 <ω <1时，负选择（Negative selection，也叫净化选择或纯化选择 Purifying selection）

二、 正选择分析的目的：

    1、两两基因的密码子序列进行比较，从而计算dN/dS，即omega（ω）值。若该值<1，则表示纯化选择；omega = 1，则中性进化；omega > 1，则正选择。若分析基因在两个物种中的序列，可以计算dN/dS的值，若omega > 1，即表明该基因在物种进化过程中，即由其祖先物种分化成这两个物种时，基因受到了正选择。对于两个物种/序列的正选择分析，比较简单。而实际情况中，要分析的物种数量很多，包含多个类群。这个时候的正选择分析相对复杂些。

    2、对多个物种的基因序列进行正选择分析，若仍然按照两个物种时的要求，即分析该基因在物种进化中是否受到了正选择？这种结果可能不好说清楚。因为该基因可能在某一类群中序列很相似，其两两比较时，omega <= 1；而在另外一类群中两两比较时，很多时候omega > 1。最后软件可以从总体上给一个omega值，该值不可以拿来简单地评价该基因是否受到了正选择。所以，对多个物种进行正选择分析时，没法直接评价该基因是否受到了正选择。正选择只有在进行两两序列比较的时候，才能计算omega值，从而得到结果。

    3、对基因在多个物种上的正选择分析，分析的目的则是：比较某个分枝上祖先节点和后裔节点（可以理解成，对无根树上某分枝两侧的两组物种进行比较，依然属于两两比较），从而计算该分枝的omega值。而在实际数据中，基因在不同的进化分枝上具有不同的omega值，同时在序列不同的位点也具有不同的omega值。目标分枝两侧的物种数量较多时，可以对序列上的每个位点进行omega值分析，从而鉴定正选择位点。所以，对基因在多个物种上的正选择分析，需要同时分析分析目标分枝的omega值和序列位点的omega值，从而判断基因是否受到正选择压。

三、使用PAM对基因进行正选择分析，有三种方法：

1、PAML site model: 主要用于检测基因中的正选择位点。该方法分析时，认为进化树中各分枝的omega值是一致的，并比较两种模型：(1)模型m1是null model，认为所有位点的omega值<1或=1; (2)模型m2是正选择模型，存在omega <1、=1或> 1的位点。比较两个模型的似然值（lnL）差异，利用卡方检验（自由度为2）算出p值。若p值 < 0.05，则否定null model，认为存在正选择位点。此外，推荐采用比较模型m7和m8，它们将omega值分成了10类，其p值结果比上一种比较方法更宽松，能检测到更多的正选择基因。使用PAML site model方法能在整体水平上检测基因的正选择位点，而不能表明基因在某个进化分枝上是否受到正选择压。

    位点模型 （Site model）主要假设数据集中不同氨基酸位点受的选择压力不同（而不考虑不同支系间受的选择压力差异）。

该模型主要用于检测正选择（ ω >1）作用，共有8个不同假设的模型：

（1）M0（单一比率），即：One-ratio model，假设所有位点具有相同的  ω 值；

（2）M1a（近中性），假设仅有保守位点（0<ω <1）和中性位点（ ω =1）而没有正选择位点（ ω >1）存在，这两类位点的比率分别为p0和p1，其对应的ω 值分别为ω0、ω1；

（3）M2a（正选择），该模型在M1基础上增加了第三类ω值，即假设除了保守位点和中性位点外，还存在处于正选择压力下的位点（ ω >1），这三类位点的比率分别为p0、p1和p2，其对应的ω 值分别为ω0、ω1和ω2；

（4）M3（离散），假设所有的位点ω 值呈简单的离散分布趋势；

（5）M7（beta），假设所有位点的 ω 属于矩阵（0, 1）并呈beta分布；

（6）M8（beta & ω ） ，该模型在M7基础上增加另一类ω 值（ω >1）；

（7）M8a（beta & ω =1），与M8模型类似，但将ω 值固定为1（ω =0）；

2、PAML branch-site model: 主要用于检测基因在某个进化枝上是否存在的正选择位点。该分析方法认为目标分化枝具有一个omega值，其它所有分枝具有一个相同的omega值，然后再检测正选择位点。同样对两种模型进行比较：（1）第一种模型为模型2，将omega值分成<1、=1、>1的三类，这和site model中的一样；（2）第二种模型和前者一致，只是将omega固定成1，作为null model。比较两种模型的似然差异，利用卡方检验（自由度为2）算p值（chi2命令算出的值除以2）。若p值< 0.05，则能通过Bayes Empirical Bayes (BEB)方法计算正选择位点的后验概率，若存在概率值 > 0.95正选择位点，则表示基因在目标分枝上受到正选择压。PAML软件在branch-site模式下，并不给出分枝上的omega值。这表示branch-site模式虽然考虑了目标分枝上具有不同的omega值，但仍然以分析位点上的omega为主。值得注意的是，在branch-site模式下可能检测到正选择位点，但在目标分枝上的omega值仍然可能低于1。可能软件作者基于这点考虑，就没有给出目标分枝上的omega值，以免影响一些人对正选择结果的判断。

枝位点模型 （Branch site model）：主要假设不同氨基酸位点的和不同支系间受的选择压力均存在差异（既考虑位点间也考虑支系间的 ω 值存在差异），共有四个模型Model A、Model B、Model C和Model D，主要参数如下：

（1）Model A (Model 2, NSites=2, ncatG=ignored)

（2）Model B (Model 2, NSites=3, ncatG=ignored)

（3）Model C (Model 3, NSites=2, ncatG=ignored)

（4）Model D (Model 3, NSites=3, ncatG=2 or 3)

3、PAML branch model: 主要用于检测在某个分枝上，其omega值是否显著高于背景分枝，即基因在目标分枝上进化速度加快。该方法认为基因序列上所有位点的omega值是一致的，对两种模型进行比较：（1）第一种模型为null model，所有分枝具有相同的omega值；（2）第二种模型认为目标分枝具有一个omega值，其它所有分枝具有一个相同的omega值。比较两种模型的似然差异，利用卡方检验（自由度为1）算p值。若p值 <= 0.05，且目标分枝上的omega值高于背景值，则认为该基因为快速进化基因。一般情况下，该方法计算得到的p值会低于第二种方法的结果。

    枝模型（Branch model）主要用于对系统发育树中不同支系 ω值差异性进行界定，主要有三个模型：

（1）One-ratio model：假设系统发育树中所有支系的  ω 值相等；

（2）Free-ratio model：假设系统发育树中所有支系的 ω 值不相等；

（3）Two-ratio model：假设前景枝和背景枝的ω 值不同； 

 4、 进化枝模型 （Clade Model）：与枝位点模型类型，能同时检测多个进化枝（Clade），共有CmC和 CmD 两种模型，主要参数如下：

（1）CmC (Model 3, NSites=2, ncatG=2 or 3)

（2）CmD (Model 3, NSites=3, ncatG=ignored)

四、其它注意事项

Branch-site model相比于site model的优点是考虑了不同的分枝具有不同的选择压，即具有不同的omega值。该方法让目标分枝具有一个不同的omega值，并没有让所有分枝的omega值独立进行计算（理论上这样是最好的）。这样算法很复杂，程序运行非常非常消耗时间。但其实也没必要这样做，因为正选择分析其实是两条序列比较后，分析dN/dS，再找正选择位点，其分析结果就应该是某个分枝上基因是否受到正选择，在序列那个位点上受到正选择。

若在目标分枝上，其omega值小于1，但是却能找到正选择位点。即该基因在该分枝上的dN/dS < 1，但是在某些位点上，dN/dS > 1。那么该基因是否属于正选择基因？我认为：属于。之所以为正选择基因，主要是因为基因的个别位点或多个位点存在正选择。当只有个别位点受到正选择压时，而其它多个位点存在纯化选择时，可能导致整体上的omega值小于1。此时，该基因也应该是属于正选择基因。

五、分析大致工作流简要如下：

（1）配置零假设模型和备选模型的参数（codeml.ctl）；

（2）运行CodeML程序进行分析获得对应的LnL和np值；

（3）通过似然率检验（LRT）（卡方检验）获得p值确定零假设模型和备选模型之间是否存在差异；

（4）根据结果进行解读。

推荐使用图形界面软件pamlX

转自http://www.chenlianfu.com/?p=3084和http://blog.sciencenet.cn/blog-460481-1163040.html