資源描述：
《基因流分析流程.docx》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基因流計算文檔說明一．基因流大小估算群體結(jié)構(gòu)模式是海島結(jié)構(gòu)模式，基因流在群體間是隨機(jī)的、均一的而且群體也要達(dá)到漂變-遷移平衡，遷移個體來自所有其他群體中隨機(jī)的一個遺傳變異群體。該模型的基本思想是假設(shè)１個群體分化為無限多個亞群體，亞群體在空間呈離散分布，每個亞群體接受一小部分來自整個群體的遷移個體。遷移率與遷移基因頻率在任一世代內(nèi)假設(shè)為常數(shù)。島嶼模型中的Nm為每代遷入的有效個體數(shù)，即基因流的估計值。其計算公式為：Nm=1-Fst4FstWright,S.Thegeneticalstructureofpopulations.AnnEugen,1951.
2、15(4):p.323-54.二．長期基因流流向計算采用MIGRATE-N軟件中Bayesianinference的策略估算群體間基因流流向，對于群體A和群體B之間基因流流向來說，存在四種可能的模型：1）基因流在A和B之間雙向流動；2）基因流從A流向B；3）基因流從B流向A；4）兩者為同一群體。該軟件通過分別計算前三種模型的marginallikelihood值，再轉(zhuǎn)換為BayesFactors進(jìn)行比較來確定各模型的可能性。（1）軟件運(yùn)行命令/share/nas1/zhougang/soybeans/migrate/migrate-3.6.4/bi
3、n/bin/migrate-nparmfileparmfile為參數(shù)文件，具體設(shè)置詳見（3）。（2）輸入文件格式MIGRATE-N軟件支持多種輸入格式，但此類軟件運(yùn)行時間均非常漫長，在利用檢測到的全基因組SNP作基因流流向估計時，為減少運(yùn)行時間，我們通常把所有位點(diǎn)SNP連成DNA序列來進(jìn)行運(yùn)算，在此我們僅介紹DNA序列模式的輸入文件格式：第一行：分為4列數(shù)據(jù)信息，第一列留空，第二列為群體數(shù)目，第三列為位點(diǎn)數(shù)目，第四列為數(shù)據(jù)注釋；第二行：列數(shù)與位點(diǎn)數(shù)目等同，每列為該位點(diǎn)所含堿基數(shù)；第三行：群體1信息，列出群體內(nèi)個體數(shù)及群體名字；第四行起：每個位點(diǎn)該群
4、體內(nèi)個體信息。（1）運(yùn)行參數(shù)主要為parmfile參數(shù)文件的設(shè)置，該設(shè)置可以在命令行中修改，也可以直接采用文本編輯器直接編輯。①設(shè)置輸入輸出文件路徑上圖中1和7分別為輸入輸出路徑設(shè)置選項，也可在parmfile文件中直接對infile和outfile行進(jìn)行更改。①選擇需要分析的模型：圖中選項8即為模型選擇項，三種不同模型選擇如下圖示意，*表示計算，0表示忽略，因此選項值****表示模型一；*0**表示模型二，**0*表示模型三，而*00*則不進(jìn)行任何計算，該選項也可在parmfile文件中直接對custom-migration行進(jìn)行更改。②運(yùn)行參數(shù)
5、選擇主要設(shè)置選項：10，更改迭代次數(shù)，默認(rèn)5000，次數(shù)越大越好，但運(yùn)行時間也相應(yīng)增加，建議最少10,000次以上；12，重復(fù)計算，默認(rèn)關(guān)閉，建議設(shè)置3-5次為佳；13，heating選項，默認(rèn)關(guān)閉，建議打開，直接采用其打開后的heating的參數(shù)。以上參數(shù)也可在parmfile文件long-sample、replicate及heating行中修改，如：long-sample=100000，replicate=YES:3，heating=YES:0:{1.000000,1.500000,3.000000,1000000.000000}。注意：在命令
6、行窗口中，所有參數(shù)設(shè)置完成后，必須輸入W生成parmfile文件才會保存所有參數(shù)，在parmfile文件中修改則直接保存即可。（1）結(jié)果輸出每個模型分別計算后，均可輸出pdf結(jié)果文件，也可直接用文本編輯器打開同名文件提取結(jié)果，主要為Thermodynamicintegration值和Harmonicmean值，Thermodynamicintegration值有兩個，分為1a和1b，簡單來說1a,1b（Thermodynamicintegration）就是采用heating參數(shù)后的結(jié)果，而2（Harmonicmean）是沒有采用heating參數(shù)的
7、結(jié)果；1a,1b之間的區(qū)別是作者認(rèn)為1b采用了貝賽爾曲線從而獲得了更好地結(jié)果。要統(tǒng)計各個模型的可能性，要轉(zhuǎn)換為BayesFactors進(jìn)行比較，我們現(xiàn)在結(jié)果中的數(shù)值是marginallikelihood值，BF=Exp[log(P(D
8、thisModel)-log(P(D
9、otherModel)]。舉例來說，我有一組1b的結(jié)果三個模型的marginallikelihood值分別為-3，-2，-1，那么我們先取常數(shù)e-3，e-2和e-1的值，然后這三個值相加每個值與和的比值就是每個模型的可能性。通常來說，因?yàn)槲覀冚斎氲腟NP序列會較長，計算得到的值負(fù)
10、數(shù)太小，要是取e的負(fù)幾十萬次方根本無法計算，所以不好算這個P值，但是可以簡單的知道互相之間的可能性大小，值越大，概率越大，
