遗传聚类软件BAPS教程

介绍使用BAPS推断群体遗传结构的具体方法。BAPS与STRUCTURE类似,都是基于哈温平衡假设和贝叶斯推断来估算个体的遗传聚类(K)归属。该软件支持多种数据类型,如SSR数据,二元数据以及连锁或者不连锁的gene序列等。相对于STRUCTURE,BAPS运行速度更快且对于居群间的样本量差异不敏感,可作为STRUCTURE遗传聚类分析的补充分析。

1. 数据和软件准备

BAPS有自己的数据格式,参考以下(以最常用的SSR数据为例,其他数据的格式请参考官方示例数据):

199 153 165 267 214 205 -9  139 274 128 198 188 249 219 191 246 258 232 1
195 153 169 283 214 205 -9  139 274 128 198 188 249 219 191 246 288 226 1
199 153 169 275 214 205 -9  139 284 128 198 188 249 219 193 246 258 226 1
199 153 169 283 214 205 -9  141 284 128 198 188 249 219 189 234 258 232 1
199 153 169 283 214 205 186 139 274 128 198 188 249 219 193 246 270 226 1
199 155 203 283 216 205 186 139 282 128 198 188 249 219 193 234 286 232 1
203 153 173 273 220 205 184 137 278 126 196 188 259 229 205 246 256 228 2
205 131 175 281 220 205 184 143 288 126 196 188 263 229 199 242 269 228 2
199 131 169 281 220 205 -9  143 278 126 190 188 261 231 199 230 254 228 2
201 133 171 281 220 205 -9  143 288 126 198 188 261 233 205 242 254 240 2
203 153 175 273 220 205 -9  143 278 128 196 188 261 227 205 242 269 228 2
205 131 173 281 220 205 -9  137 288 128 198 188 263 231 199 246 256 228 2
197 151 167 267 218 209 184 151 286 122 196 182 245 223 195 246 256 248 3
197 145 167 275 218 209 184 131 286 128 198 182 253 223 179 252 266 236 3
197 143 167 281 216 209 184 137 286 124 196 184 245 227 195 246 254 236 3
197 143 167 289 216 209 200 137 286 122 196 184 247 223 195 252 252 236 3

格式说明:

  1. 直接以SSR数据开始,二倍体或多倍体数据以多行显示,行数和倍性一致,缺失数据使用-9代替
  2. 居群来源信息(居群信号)位于最后一列
  3. 使用tab制表符分隔数据,保存为txt文本格式即可。

BAPS软件可以在此处下载。

2. 分析过程

打开软件,界面如下:


1. 数据预处理

如果你关注的是最为常用的个体非先验遗传归类推断,数据预处理需要使用第一个功能(Clustering of individuals),然后选择BAPS-format,导入数据文件。



同时还可指定居群的名字和具体居群的行数索引,根据提示导入对应文件,格式参考示例数据。

然后保存预处理文件,方便后续使用其他参数重复分析。

2. Mixture分析

之后会提示输入可能的居群数上限(对应 STRUCTURE 中的最大K值),BAPS允许输入多个上限,软件会针对多个上限均进行mixture预分析。建议输入多个上限,且每个上限可重复多次,最大上限的指定原则和STRUCTURE中一致。

然后保存mixture结果。


3. Admixture分析

选择Population admixture analysis的Admixture based on mixture clustering功能,根据提示输入上一步的mixture结果文件,导入成功后依次需要填写minimum size of a population、number of iterations、number of reference individuals from each population、number of iteration for reference individuals四个参数的具体数值。

  • minimum size of a population,聚类的最小个体数量,如果某个推断出的聚类所含的个体数小于这个数值,其所包含的个体会排除在结果之外,被认为是异常值
  • number of iterations,迭代次数,用于估算等位基因频率,运行时间允许的情况下,越大越好,推荐大于100
  • number of reference individuals from each population、number of iteration for reference individuals,参考个体数量和迭代参数,前者推荐为200,后者可以较小,一般为5—20之间




输入四个参数后即可等待运行完成,完成后弹出聚类结果窗口和最佳聚类K值。

3. 结果可视化

可以保存当前运行结果供后续查看,同时也可以保存聚类结果为图片,软件自身也支持更改聚类颜色。在运行文件夹内有结果文件,其内有每个体遗传聚类比例的log文件,该文件可使用Distruct软件进行更为细致的美化。

?著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,029评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,238评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事?!?“怎么了?”我有些...
    开封第一讲书人阅读 159,576评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,214评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,324评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,392评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,416评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,196评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,631评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,919评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,090评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,767评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,410评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,090评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,328评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,952评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,979评论 2 351

推荐阅读更多精彩内容