遗传聚类软件BAPS教程

2021-12-21 本文已影响0人张振zz

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：

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
居群来源信息（居群信号）位于最后一列
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。