HackMD
Curso Análisis de datos de secuenciación masiva en genómica de poblaciones
Cuatrimestre: Juio - Agosto 2023 - CICESE
Dra. Paulina Mejía Ruíz
Otro análisis común para evaluar estructura genética poblacional es el realizado en STRUCTURE (Pitchard et al., 2000).
Este programa utiliza un enfoque bayesiano para delinear grupos de individuos en función de sus genotipos en múltiples loci. Se calcula la probailidad de pertenecia de cada individuo a un grupo específico (K).
Los programas como structure son estocásticos y tienden a producir resultados diferentes entre corridas. Por esta razon se suelen realizar varias ejecuciones para el mismo modelo y parámetros y se utiliza un rango de valores de K cada uno con múltiples ejecuciones independientes.
A) Corriendo Structure
-
Conviertes un vcf en un archivo de entrada para estructure usando PGDSpider (NO meter el popmap, se debe correr con los individuos acomodados por localidades)
- el archivo de entrada debe verse algo así:
- los genotipos de los individuos están acomodados en dos filas y cada loci está en columnas.
- el archivo de entrada debe verse algo así:
-
Abres structure
–> New project
-
estableces nombre del proyecto, seleccionas directorio de salida de los resultados y selecciones archivo de entrada:
-
Debes proporcionar el número de individuos, número de marcadores y valor de datos faltantes:
-
Indicas si tu archivo de entrada tiene la primera fila para el nombre de los loci:
-
Indicas que tu archivo tiene ID para cada individuo y que tiene información de localiades de origen:
–> Finish
- Agregas un nuevo set de parámetros
- Run Length
Length of Burnin Period: 10,000
Number of MCMC Reps after Burnin: 5,000 - Ancestry Model
Admixture
LOCPRIOR - Advanced
Print Q-hat
-
Run Parameter Set
-
Corres structure
Project –> Start a job:
- seleccionas el número de localidades que tienes (tus posibles grupos o K)
- defines el número de iteraciones por K
–> START
Dejas correr (tarda un par de horas)
La salida de Structure o programas parecidos a structure deben de ser analizados para definir el número de K más probables.
Generalmente se utilizaba Structure Harvester (pero actualmente está caída la página).
B) CLUMPAK
Como alternativa se puede utilizar Clumpak (Clustering Markov Packager Across K).
Los archivos de entrada de CLUMPAK son las matrices Q obtenidas por STRUCTURE las cuales contienen para cada individuo los coeficientes de pertenencia a cada uno de los K clusters (prob. de pertenencia).
Además, tiene funciones adicionales para comparar modelos y seleccionar el valor más probable de K utilizando el método de Evanno et al. (2005).
También puedes meter los nombres de las localidades y los colores que les asignará a los grupos o poblaciones.
El programa ofrece 4 modos de correr los análisis y se puede correr desde tu computadora con Phyton o en línea (en este curso usaremos el Main Pipeline en línea)
el pipeline principal tiene como objetivo ayudar al usuario a través de todo el proceso de sumar y presentar los resultados obtenidos por STRUCTURE.
- Comprimes los archivos de salida de structure _f (carpeta Results):
Los subes en la primera opción de Structure/Admixture
3. Creas un archivo de texto con las etiquetas de las poblaciones (labels.txt) y lo subes en la opción de DISTRUCT
4. Creas un archivo con los colores (colors.txt) (ver manual de DISTRUCT para más opciones) y lo subes en el último recuadro en la opción de Graphical.
3. Agregas tu e-mail y corres programa
Los resultados se generan en la misma página y se pueden descargar (también son enviados al correo electrónico).
Literatura sobre STRUCTURE
https://typeset.io/papers/structure-harvester-a-website-and-program-for-visualizing-s1kuog4kj6
