Skip to content

2021.01.17
种群动态历史评估方法之 SFS(Site/Allele Frequency Spectrum)

SFS的基本理解、介绍的一篇文章:https://theg-cat.com/tag/joint-sfs/ 如果不做算法,基本的原理这里应该也差不多了,先跑个试试

fastsimcoal2.6 SFS群体历史动态模拟教程: https://speciationgenomics.github.io/fastsimcoal2/ 评估SFS教程: https://speciationgenomics.github.io/easysfs/ Stairway plot Github网站: https://github.com/xiaoming-liu/stairway-plot-v2

1、评估SFS (estimate Site Allele Frequency)

使用ANGSD进行SFS Estimation。这个软件考虑了missing data和低depth位点。以bam文件为input。 https://github.com/ANGSD/angsd

安装

cd ~/software
wget http://popgen.dk/software/download/angsd/angsd0.930.tar.gz
tar xf angsd0.930.tar.gz
cd htslib;make;cd ..
cd angsd
make HTSSRC=../htslib
cd ..

后面按照教程来就行。参照官网example:http://www.popgen.dk/angsd/index.php/SFS_Estimation


如果missing data不多,可以直接用easySFS。 https://github.com/isaacovercast/easySFS

python3 /home/software/easySFS/easySFS.py -i vcf \
-p ./pops_file.txt -a -f --preview
看一下有没有很多frequency很低的值,需不需要down sample。

我这里没有,所以直接对VCF中第一、第二个种群分别取20、16个sample(其实是10、8个个体,二倍体所以sample数量乘二):

python3 /home/software/easySFS/easySFS.py -i vcf \
-p ./pops_file.txt -a -f --proj 20,16
这个 ./pops_file.txt 是告诉软件VCF里哪几个个体是一个种群的文件。格式官网教程有。


不管哪种方法,最后希望得到的是这样的: .obs文件格式 这是SFS observation文件,后缀为.obs。一共应该有2N+1列,N为样本个体数。后一半都是0是因为这是folded SFS。因为我不知道群体的祖先状态序列。如何设置folded或者unfolded,几个软件的教程里都有。


2、Fastsimcoal2.6 , SFS建模模拟种群动态历史

Fastsimcoal2.6输入文件

使用Fastsimcoal2.6,利用SFS模拟种群动态历史需要三个输入文件: - .tpl 模版文件(参数文件):用来指定历史事件、migration、样本大小、突变率重组率等等。注意,这里的突变率重组率都为【per generation】 - .est 参数评估文件(prior文件):在这里对参数施加prior,指定参数之间关系等等。 - .obs SFS观测文件:就是上一步生成的。

这三个文件的前缀必须相同,在这里为"6.GL1.folded.HN"。如果为unfolded SFS,SFS观测文件后缀应该是DAF之类的而不是MAF,具体得看说明书。

一般来说,有两种构建模型的方法: 1)可以构建很多模型(可能3~10个)来对种群历史建模,然后比较每个模型的lnL(也就是LRT检验),看那个模型最合适。比如第一个模型是有效群体大小先上升后下降在上升,第二个是先下降在上升等等。对于单个群体(不考虑migration)的简单模型,一般也就是设置几个bottleneck时间点,扩张时间点以及对应的种群大小参数。 2)只构建一个模型,限制“时间点”prior的范围,但是放松Ne prior的范围,并保持一致,让算法自己探索种群在某个时间点是扩张还是收缩。在RULES中只对时间做限制,而不对Ne做限制。这种就需要增加运行的次数,让模型达到收敛,比如设置-L 100。例如: .est文件:

.tpl文件: image.png

设置好配置文件以后,开跑:

fsc26 -t ${i}.GL1.folded.HN.tpl -e ${i}.GL1.folded.HN.est \
-m -0 -C 10 -n 100000 -L 40 -s 0 -M -q -c 5 &

# 对于folded SFS,记得设置 -m

生成文件里有likelihood的评估,拿过来比较模型就行了。对最优模型可以再跑bootstrap,说明书里有。

我个人觉得对于单个种群而言,用SFS不一定是好的选择。PSMC从原理上更加靠谱一些。而fastsimcoal模型的优势在于其可以考虑多个种群的migration、融合与分裂、群体大小变化等等。个人见解,欢迎讨论。


1月21日更新

fastsimcoal模型比对结果还可以,但是并不是很直观,我试了下Stairway plot v2.1,感觉挺靠谱,也很简单。 网站: https://github.com/xiaoming-liu/stairway-plot-v2

很凑巧,这篇文章,stairway plot2是去年(2020)发布的

git clone或者通过他给的链接下下来,然后准备一个配置文件,就可以开跑了

SFS就用我们之前得到的。

配置文件

参数配置README文件里面都有写,SFS也直接贴里面就行,比fastsimcoal方便。

具体算法孰优孰劣,得了解算法,再看看人家比对的文章。好像有文章说单个参数的简单模型或者多个种群用fastsimcoal靠谱,单个种群可能stairway plot好一些。个人理解。

tips:如果报错了很可能是命名问题导致没有找到java class的路径,可以修改回原命名试试。

image.png