群体结构分析软件Structure了解和使用

一、简介

Structure 是一个利用遗传标记推断群体遗传结构的软件。其功能包括推断群体数目，判断某个个体属于哪个群体，鉴别迁移个体及杂合体等。举个例子

上图中颜色的种类即表示群体的数目，也就是说，2种颜色表示该例中的所有样本可以分为2个群体。不同的颜色表示不同的“血统”，或者说，来自于不同的祖先群体。其中每一个黄蓝相间的堆叠图表示一个个体。图中的下标“LF”，“CR”等表示种源地。那么，在本例中，蓝色区域中的个体就可以归为一个群体，而黄色区域内的个体就属于另一个群体，因为这些个体拥有相同的“血统”，尽管它们来自于不同的种源地。
就像亚洲人和欧洲人分属于不同的群体，通俗的讲，我们和欧洲人“血统”不一样。从基因的层面去解释，则是因为我们之间等位基因频率有很大差异，从而反映出表型的巨大差异。并且在近代以前的相当长时期内，几乎不存在任何交流，当然这指的是基因的交流，两个群体各自独立的演化，基因频率间的差异就保持下来，就像例子中黄色和蓝色区域那样，两个群体间差异巨大。而种群内部，比如我们亚洲人，尽管我们中国人和日本人，韩国人，甚至汉族和少数民族之间也存在着基因频率的差异，但是不像和欧洲人的差异那么大。就好比图中蓝色区域内“JD”，“PT”，“JL”等不同种源地间也存在着细微的差异（黄色“血统”所占比例略有变化）。
再看图中“PT"中有一个个体比较特别，它的黄色和蓝色比值接近1：1，那么这个个体很可能是一个外来者，或者是由一个蓝色“血统”和一个黄色“血统”的亲本杂交产生的后代。

---

二、软件的使用

1.数据格式

Structure 所需要的最基本的数据格式如下：

		loc_a	loc_b	loc_c
George	1	-9	145	66
George	1	-9	-9	64
Paula	1	106	142	68
Paula	1	106	148	64
Matthew	2	110	145	66
Matthew	2	110	148	66
Bob	2	108	142	64
Bob	2	-9	142	-9

表中第一行 loc_a, loc_b, loc_c表示位点或标记， 第一列表示样本，第二列表示种源地或亚群，若没有这类信息则全部以1代替。对于二倍体来说，每个样本的基因型由相邻的两行表示，每列为一个locus，每行为其中一个allele。
这里只做了简单的介绍，详细信息参考软件使用手册：Structure documentation

2. 参数选择

将整理好的基因型数据导入Structure，设置参数“Number of MCMC Reps”， “burn-in period”， “length of burn-in period”。
由于该软件所采用的算法是一个随机过程，因此，对于每一个K，需要进行多次重复运算以保证结果的可靠性。

3. 判断最佳K值

将结果打包，提交给在线软件Structure harvester，分析最佳的K值。

4. CLUMPP

使用CLUMPP对structure分析的重复运算结果进行重复抽样分析。得到最佳K值的Q-matrix结果。

5. 作图

将CLUMPP的结果传递给distruct，进行structure图形的绘制。

三、大杀器

重点来了，由于以上步骤过于繁琐，且经常要进行此类分析，本着一切繁琐的，或重复的劳动都应该自动化的原则，我对以上软件进行了深度封装，只需提供structure格式的文件及配置文件即可一键搞定，不需要人为干预，包括K值的选择，软件会自动完成。

1.查看帮助信息

目前只完成了formatting数据格式转换和structure两个模块。

2.数据格式转换

该模块将我们的SSR分析结果转换成多种其他软件需要的数据格式。

只需要提供config 文件

运行程序

2. 运行Structure

将直接得到structure harvester的结果和最终的structure结果：

meanLnPlot.png deltaK.png image.png