structure 2.3.4 软件使用指南

邓飞

发布于 2019-07-07 15:32:58

7.6K2

发布于 2019-07-07 15:32:58

文章被收录于专栏：育种数据分析之放飞自我

1. 软件下载

structure

Windows版建议安装桌面版(graphical front end), Linux建议安装终端版(without front end)

2. 安装指南

Windows

直接双击安装包, 进行安装即可. 安装完成后, 桌面上有快捷方式:

Mac OS X 软件包是一个可执行文件, 双击Structure.dmg, 会打开软件, 创建一个快捷方式即可.

Unix/Linux

下载软件包, 解压进入软件包文件夹, 会有structure可执行文件, 运行./structure即可.

wget https://web.stanford.edu/group/pritchardlab/structure_software/release_versions/v2.3.4/release/structure_linux_console.tar.gz
tar zxvf structure_linux_console.tar.gz 
cd console/
./structure

出现下面代码, 说明运行成功:

(base) [dengfei@localhost console]$ ./structure

----------------------------------------------------
STRUCTURE by Pritchard, Stephens and Donnelly (2000)
     and Falush, Stephens and Pritchard (2003)
       Code by Pritchard, Falush and Hubisz
             Version 2.3.4 (Jul 2012)
----------------------------------------------------

Reading file "mainparams".
datafile is
infile
Reading file "extraparams".
Note: RANDOMIZE is set to 1. The random number generator will be initialized using the system clock, ignoring any specified value of SEED.
Unable to open the file infile.

Exiting the program due to error(s) listed above.

3. 示例数据

示例数据, 这里我们使用admixture的数据, 数据格式是SNP数据格式, 详见:

Admixture使用说明文档cookbook

Structure可以支持的五种类型的数据:

Simulated microsatellite test data
AFLP data from whitefish.
SNP and microsatellite data from the HGDP.
Thrush data from original Structure paper
Simulated microsatellite data with location information

4. plink数据格式转化为structure

.recode.strct_in (Structure format)
Produced by "--recode structure", for use by Structure. This format cannot be loaded by PLINK.

A text file with two header lines: the first header line lists all V variant IDs, while each entry in the second line is the difference between the current variant's base-pair coordinate and the previous variant's bp coordinate (or -1 when the current variant starts a new chromosome). This is followed by one line per sample with the following 2V+2 fields:

1. Within-family ID
2. Positive integer, unique for each FID
3-(2V+2). Genotype calls, with the A1 allele coded as '1', A2 = '2', and missing = '0'

用法:

使用参数--recode structure, 结果生成:.recode.strct_in的后缀文件. plink --file name --recode structure --out result

还可以使用Mega2进行格式转化, 转化方法:

https://watson.hgen.pitt.edu/docs/conversions/frame_ext_structure.html

5. 使用admixture的数据进行测试

查看数据:

(base) [dengfei@localhost test]$ ls 
hapmap3.bed  hapmap3.bim  hapmap3.fam  hapmap3.map

使用plink进行格式转化:

plink --bfile hapmap3 --recode structure --out test_structure

生成test_structure.recode.strct_in文件, 用这个文件进行操作.

数据格式如下:

rs10458597 rs12562034 rs2710875 rs11260566 rs1312568 rs35154105 rs16824508 rs2678939 rs7553178 rs133763
-1 203827 209332 200465 206966 213697 200280 201401 204163 202132 226411 200445 201484 200329 205708 20
NA19916 1 2 2 2 2 1 1 2 2 2 2 2 2 1 2 1 2 2 2 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 1 2 1 1 1 2 1 2 1 2 1 2 1
NA19835 2 2 2 1 2 1 2 1 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1 2 2 2 2 2 1 2 1
NA20282 3 2 2 2 2 1 2 1 2 1 2 2 2 2 2 1 1 1 2 2 2 2 2 2 2 1 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 1 2 1 1 2 2 1
NA19703 4 2 2 2 2 1 2 2 2 1 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 1 2 2 2 1 2 1 2 2 2 2
NA19901 5 2 2 2 2 1 2 1 2 2 2 2 2 2 2 1 1 2 2 1 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 1 2 2 2 1 2 1 1 1 2 1 1 2
NA19908 6 2 2 1 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1
NA19914 7 2 2 2 2 2 2 2 2 1 1 2 2 2 2 1 1 1 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 1
NA20287 8 2 2 2 2 1 1 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 1 2 1 2 1 2 1 1 2 2 2 2 2
NA19713 9 2 2 2 2 1 2 1 2 2 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 1 1 2 2 1 2 2 2 2 2 1 2 1 1 2 2 1 2 1 2 2 2 2
NA19904 10 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 1 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2 0 0 
NA19917 1 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1

6. 导入数据到structure软件中

双击打开软件

点击File, 点击New Project

键入名称: name1(自己命名即可) 选择文件所在的文件夹选择文件

数据可以提前预览, 可以看到: 个体数为: 324 SNP个数为: 13928 缺失定义为 -999

定义好之后:点击Next

定义行

勾选: Row of marker names
勾选: Row of recessive alleles
勾选: Data file storges data for individuals in a single line

定义列:

读入数据成功:

7. 定义参数

参数命名为t1

定义为3个群体.

开始运行:

8. 查看结果

结果文件:

9. 使用`admixture`作为结果对比

 admixture hapmap3.bed 3

10. 使用admixture指定群体

如果没有群体的信息, 是无监督的学习, 会根据G矩阵进行自分类. 但是, 这种情况很少见, 一般我们都有一些先验性的信息, 比如已知某些个体是属于某一类群的, 这样分析效果更好.

这样, 通过定义已知的个体的群体信息, 分类变为了有监督的学习(supervised learning ), admixture通过定义一个文件.pop,

pop文件特点, 前缀和ped或者bed前缀一样, 一行内容, 如果已知群体, 定义群体名称, 如果未知, 用-或者空格表示, 单独一行.

比如, 如果9个个体, 6个知道群体类型,3个不知道群体类型, 定义如下:

A
A
-
-
B
B
A
-
B

运行命令时, 加上参数: --supervised

这里, test.pop, 为手动生成的pop文件, 生成代码如下:

a = data.frame(V1 = rep(c("A","-","B","-","C","-"),each=54))
write.csv(a,"test.pop",row.names=F,quote=F)

运行admixture:

 admixture test.ped 3 --supervised

绘图:

PS

GCTA PCA分析cookbook

Admixture使用说明文档cookbook

DMU在windows下安装测试—外篇1

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2019-05-19，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法

本文分享自育种数据分析之放飞自我微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

编程算法

登录后参与评论

0 条评论

热度