博文
群体历史动态推断之Bayesian Skyline Plot篇
||
引言：
对于群体历史动态的推断，常常通过中性检验并结合错配分布（Mistmatch distibution）进行分析。当中性检验（Tajima'D and Fu's Fs）的值为负值，统计显著时，且错配分布呈单峰分布时，说明所研究的群体可能在历史上经历过突然扩张的事件。实际上，群体历史动态往往比这些方法中所涉及的参数模型更加复杂。而 Bayesian Skyline Plot (BSP)方法是基于溯祖理论（Coalescent theory）量化基因序列的谱系与群体地理历史的关系。本篇日志为本人现学过程整理为图解教程，以飨初学者。在学习BSP过程得到@郭向召 @病毒所-李兴广 @岳亮 的帮助，在此特别致谢！
前提：
应用BSP需要遵循几个基本原则：（1）个体：随机交配的群体的随机样品；（2）序列：同源、非重组、中性进化；（3）数据集：单基因适合个别群体，但作谱系地理分析时，最好考虑使用多基因分析（位点是Unlinked的）。
对于群体历史动态的推断，常常通过中性检验并结合错配分布（Mistmatch distibution）进行分析。当中性检验（Tajima'D and Fu's Fs）的值为负值，统计显著时，且错配分布呈单峰分布时，说明所研究的群体可能在历史上经历过突然扩张的事件。实际上，群体历史动态往往比这些方法中所涉及的参数模型更加复杂。而 Bayesian Skyline Plot (BSP)方法是基于溯祖理论（Coalescent theory）量化基因序列的谱系与群体地理历史的关系。本篇日志为本人现学过程整理为图解教程，以飨初学者。在学习BSP过程得到@郭向召 @病毒所-李兴广 @岳亮 的帮助，在此特别致谢！
前提：
应用BSP需要遵循几个基本原则：（1）个体：随机交配的群体的随机样品；（2）序列：同源、非重组、中性进化；（3）数据集：单基因适合个别群体，但作谱系地理分析时，最好考虑使用多基因分析（位点是Unlinked的）。
流程：
1. 配置BEAST运行所需的XML文件
使用BeauTi 导入比对的序列，分别配置分区、采样时间、位点模型、分子钟模型、先验和MCMC参数，如下图所示：
1.1 分区
1.2 采样时间
1. 配置BEAST运行所需的XML文件
使用BeauTi 导入比对的序列，分别配置分区、采样时间、位点模型、分子钟模型、先验和MCMC参数，如下图所示：
1.1 分区
1.2 采样时间
ucldStdev 模型选择：如果是非化石校准（calibration），可以选用正态模型（Normal），即Sampling会偏倚峰值区域；但一致模型（Uniform）倾向于平均用力。对于病毒这里使用Normal，且平均值可以设置为0.1。
https://blog.sciencenet.cn/blog-460481-899986.html
上一篇：图解核苷酸替代模型的选择 - ModelGenerator 篇(By Raindy)
下一篇：群体历史动态推断之Mismatch distribution篇
