群體遺傳學(xué)——人群結(jié)構(gòu)推斷軟件Structure2.2使用指南.doc

群體遺傳學(xué)人群結(jié)構(gòu)推斷軟件structure 2.2使用指南/structure.htmlthe basic algorithm was described by pritchard, stephens & donnelly (2000). extensions to the method were published by falush, stephens and pritchard (2003) and (2007) and by hubisz, falush, stephens and pritchard (2009).1、待分析數(shù)據(jù)文件的編輯可新建文本文件并命名為project_data，以文本編輯的方式編輯數(shù)列：第一列：樣品代碼（成功錄入后被識(shí)別為individual id），每一樣品占兩行，每一行為其一個(gè)基因型，如樣品1的基因型為aa，樣品2的基因型為at，樣品3的基因型為tt，則編輯為：（兩行數(shù)字不一樣則表示雜合數(shù)據(jù)）第一列 第二列 第三列1 1 111 121 121 232 232 2如果有多個(gè)等位基因，可以按1，2，3，4，5等順序編碼各樣品的基因型；第二列：人群代碼（成功錄入后被識(shí)別為popid），即第一群人的代碼全為1，第二群人的代碼全為2，第三群人的代碼全為3；（最好說(shuō)是群體類(lèi)群編碼，可以是不同來(lái)源地代號(hào)，或是生態(tài)類(lèi)群代碼）（這列最好不要有，后續(xù)選項(xiàng)中一旦選中最后算出的k值很有可能就是群體類(lèi)群數(shù)（popid的數(shù)量）第三列：位點(diǎn)1的分型結(jié)果。如上所述，如果有2個(gè)等位基因，可用1、2代表；如果有多個(gè)等位基因，可分別以1，2，3，4，5等代表；第四列：位點(diǎn)2的分型結(jié)果。編碼方法同上。 2、打開(kāi)structure軟件，選擇file-open data file-選中所編輯好的打他data文件，查看格式、數(shù)據(jù)，如有修改應(yīng)保存退出；3、選擇file-new project-step 1-命名project name-選擇存放路徑-選擇保存過(guò)的待分析文件；4、step 2-填入待分析樣品數(shù)量，如220-ploidy of data即選擇單倍體或二倍體，選2-number of loci，選位點(diǎn)個(gè)數(shù)-mimissing data value，一般選-9；5、step 3-依次選擇row of marker names, row of recessive alleles, map distance between loci, phase information等，沒(méi)有就不選；最下面，如果沒(méi)有data file stores data for individuals in a single line就不選；6、step 4-individual id for each individual(選擇) ，putative population origin for each individual（選擇），usepopinfo selection flag(不選)，phenotype information（不選），other extra column（不選）以及number of extra column（不選）；（其實(shí)應(yīng)根據(jù)你數(shù)據(jù)的實(shí)際情況選或不選）7、點(diǎn)擊“finish”；proceed；8、點(diǎn)擊parameter set-new-length of burnin peroid (填寫(xiě)10000)-number of mcmc reps after burnin (填寫(xiě)10000);（不作數(shù)迭代（burnin peroid ）最好設(shè)為10000，而后續(xù)的mcmc最好設(shè)為100000）9、ancestry models，allele frequency model，advanced等均選default setting; enter the name: 輸入名字，運(yùn)行完畢將產(chǎn)生一個(gè)由該名字命名的文件夾以保存運(yùn)算結(jié)果和繪圖。（都default是不科學(xué)的，no admixture model假設(shè)個(gè)體基因源來(lái)源純粹. is appropriate for studying fully discrete populations and is often more powerful than the admixture model at detecting subtle structure.而admixture model.假設(shè)個(gè)體基因源來(lái)源非純粹：individuals may have mixed ancestry. 應(yīng)該根據(jù)你材料具體情況來(lái)選擇模型）10、點(diǎn)擊“start a job”，單擊選中命名的文件夾名稱(chēng)，設(shè)置k從2到7等，其它不選，點(diǎn)擊start。（群體較大比如超過(guò)200個(gè)體，起碼算到20，這里number of iterations 最好選3以上，在計(jì)算k時(shí)可能用到）11、點(diǎn)擊“plotting”，選擇剛才命名job的名字，result file選擇run_1, run_2等，即可看到聚類(lèi)的三角圖形。（三角圖是花架子，論文里常用的是bar plot 才是關(guān)鍵）（此后為我續(xù)寫(xiě)內(nèi)容）13.單擊主菜單“view”選項(xiàng)下的simulation summary，會(huì)出現(xiàn)所有運(yùn)行結(jié)果的重要參數(shù)匯總，其中最重要的是看lnpr(x|k)值的變化是否有拐點(diǎn)，即后驗(yàn)概率的極大值在k等于幾時(shí)出現(xiàn)，特別注意k值持續(xù)增大是常有的事，這時(shí)就要用 用k 來(lái)確定k值，如下圖：k雖然持續(xù)增大，但k可判斷出k應(yīng)該為2.14.在確定k為幾后，點(diǎn)擊相應(yīng)result file選擇run_？（k=？）選項(xiàng)，把含有以下內(nèi)容的文本拷貝到excel中編輯inferred ancestry of individuals: label (%miss) pop: inferred clusters 1 7 (0) 1 : 0.996 0.001 0.001 2 10 (0) 1 : 0.635 0.001 0.003 3 26 (2) 1 : 0.991 0.001 0.001 4 28 (6) 1 : 0.991 0.006 0.001 5 65 (2) 2 : 0.991 0.004 0.00115：整理為以下標(biāo)準(zhǔn)格式后就可以放到tassel軟件中計(jì)算用了標(biāo)準(zhǔn)格式：8632q1q2q37 0.0140.9720.01410 0.0030.9930.004260.0710.9170.01228 0.0350.8540.111290.0130.9820.00530 0.7620.0170.22116、注意：運(yùn)行完畢后產(chǎn)生的以“job名字”命名的文件夾中自動(dòng)含有project_data文件，其內(nèi)容與最初編輯的project_data文件完全一致，故原編輯的project_data文件可以刪去。柱形圖繪制軟件distruct使用指南當(dāng)structure軟件運(yùn)行完畢獲得結(jié)果后，往往需要以clumpp或distruct軟件繪制柱形圖。distruct用法如下：1、從/distruct.html下載并解壓縮distruct 1.1壓縮包，可以看到含7個(gè)以casia為名的文件及5個(gè)名字字首為distruct的文件，還有一個(gè)drawparams的文件和一個(gè)顏色文件夾；2、運(yùn)行casia.postscript文件，應(yīng)該能產(chǎn)生一個(gè)含9個(gè)群體柱形圖的casia.pdf文件，這表明系統(tǒng)及軟件正常；3、打開(kāi)casia.popq和casia.indivq將其原內(nèi)容清空并置換為前述structure軟件運(yùn)行后所產(chǎn)生的_run_1_f文件的內(nèi)容（拷貝并粘貼），其中_run_1_f文件同時(shí)含有individual和population兩者的數(shù)據(jù)。以word打開(kāi)casia.indivq文件，將_run_1_f文件后半部分的內(nèi)容自“inferred ancestry of individuals”行以下的數(shù)據(jù)拷貝并粘貼到casia.indivq文件中，全部替換原來(lái)的210行數(shù)據(jù)；以excel打開(kāi)casia.popq文件，將_run_1_f文件前半部分含有“proportion of membership of each pre-defined population in each of the 3 clusters”的行下面的數(shù)據(jù)拷貝并粘貼到casia.popq中，并替換原來(lái)的內(nèi)容（k=3是可變的！）。新產(chǎn)生的內(nèi)容注意仍然保持原來(lái)210行數(shù)據(jù)的那種格式。4、打開(kāi)casia.languages文件，將原內(nèi)容“50 indo-european51 dravidian57 indo-european59 indo-european58 indo-european52 linguistic isolate54 indo-european629 altaic699 altaic56 indo-european”替換為現(xiàn)內(nèi)容“1 ceu2 chb3 yri”；保存為原格式；5、打開(kāi)s文件，將原內(nèi)容50 balochi51 brahui57 makrani59 sindhi58 pathan52 burusho54 hazara629 uygur699 yakut56 kalash替換為現(xiàn)內(nèi)容1 ceu2 chb3 yri保存為原格式；6、打開(kāi)casia.perm文件，將原內(nèi)容5 yellow4 pink1 red2 green3 blue_purple中的4、5顏色刪去，并保存為原格式；7、以文本格式打開(kāi)drawparams文件，將drawparams文件中的#define k5 / (int) number of clusters#define numpops 9 / (int) number of pre-defined populations#define numinds 210 / (int) number of indivi