|
上一篇文章带大家领略了Vcftools的多样性风采，今天给大家抛的是系统进化树的砖，还请接好！ 建树的最基本目的是理清手上一堆数据的相互关系，最简单的做法就是两两比较啦，按某种定义算出距离，然后排序，主要利用的是生物DNA或者蛋白序列信息构建系统进化树，分析生物的进化过程。下面从四个方面介绍进化树，希望能引出不一样的玉。 一、何为进化树？——知其然 系统树(Phylogenetic Tree)或者进化树(Evolutionary Tree)是描述基因、个体、种群、物种之间系统发生关系假说的树状结构，其核心要素是拓扑结构和分支长度。 进化树的形式 根据拓扑结构展现形式的不同，进化树的常见形式有“有根树”和“无根树”。 有根树 有根树：有一个特殊的根节点，表示所有进化枝的共同祖先（一般是假想原始祖先），从根节点只有唯一路径经进化到达其他任何节点，即有方向性。 无根树 无根树（含外群） 无根树：只表明了节点之间的关系，没有进化方向，其中线段的两个演化方向都有可能，通过引入外群（Outgroup）可在无根树中指派根节点。 二、进化树构建三种方法比较——知其所以然 构建进化树可以是蛋白序列也可以是核酸序列，用类似树状分支的图表示各种（类）生物之间亲缘关系，并推测物种的进化历史。 具体构树过程： 构树三种方法： 1.邻接（邻位）法（NJ, Neighbor-joining）：适用于大样本量，快速构建进化树。代表软件MEGA。 2.极大似然法（ML, Maximum likelihood）：代表软件RAxml，RAxml可间接利用测序数据得到的vcf文件多线程、长时间分析来构建进化树。速度慢于NJ法。 3.贝叶斯法（Bayes）：考虑构树参数且模型（默认JC模型）较多，一般要对核酸或蛋白序列做模型预测和各碱基先验频率。蛋白序列可选Prottest软件预测，核酸序列可用Modeltest软件预测。速度更慢于ML法。代表软件MrBayes。 三、PGDSpider——构树前的格式转换 测序数据经分析得到含SNP位点的vcf文件，.vcf文件经过PGDSpider转化成.phylip格式（需要保存spid日志文件）。 具体转换运行命令行版Raxml[1]： raxmlHPC -f a -x 12345 -T 8 -p 12345 -# 1000 -m GTRGAMMA -s input.phylip -n output 可自行查看软件参数说明[2]。 PGDSpider数据格式转换[3] 四、进化树的展示和美化 1. R包ggtree[4]——进化树可视化 读入Raxml输出结果“RAxML_bipartitionsBranchLabels”的文件。 其他ggtree参数说明请看https://github.com/GuangchuangYu/ggtree 1. Figtree和MEGA软件——进化树美化 Figtree软件部分参数列表 Figtree（免费）软件第一排图形参数可以调节形状，翻转（Rotate），树枝加颜色（Colour），高亮区域（Hilight）等；左侧参数可以调节树的形状，大小；还可以决定是否显示样本名（Tip Labels）、节点形状（Note Shapes）、枝长（Branch Labels ）以及标尺（Scale bar）等。可直接保存调节后的文件（.tre）（勾选第2,4参数），避免下次重新调节等，或保存成pdf和PNG，不需调节pdf长宽。 MEGA软件部分参数列表 MEGA[5]软件与Figtree最大的不同是其可以利用对齐后的Fasta文件通过NJ和ML法构建进化树，功能较Figtree多。感兴趣的小伙伴可以自行尝试相关参数设置。 总结： 对于相似度较低的序列，邻接法（NJ）会出现长枝吸引现象，会干扰进化树的构建，而贝叶斯方法构树太慢；如果序列相似度较高，其实各种方法构出的树结果都不错，模型间的差异也不大，目前大样本数据量的情况下文章普遍使用NJ法构建进化树。当然，如果再考虑DNA突变的方式、有无选择压、区域隔离等因素后，你将会获得群体各亚群间更丰富多样的信息。 参考文献： 1、Stamatakis A. RAxML version 8: a tool for phylogenetic analysis and post-analysis of large phylogenies[J]. Bioinformatics, 2014, 30(9):1312. 2、https://sco./exelixis/web/software/raxml/ 3、Lischer, H. E. L and Excoffier, L. PGDSpider: an automated data conversion tool for connecting population genetics and genomics programs[J]. Bioinformatics, 2012, 28(2):298-9. 4、Guangchuang Yu, David Smith, Huachen Zhu, Yi Guan, Tommy Tsan-Yuk Lam. ggtree: an R package for visualization and annotation of phylogenetic trees with their covariates and other associated data[J]. Methods in Ecology and Evolution 2017, 8(1):28-36, doi:10.1111/2041-210X.12628 5、http://www./ 敲黑板啦！！！2018年生信培训班开课啦，轻松搞定各种分析项。 基因定位生信培训班部分讲师介绍： 黄老师：10年产品研发经验，协助客户发表60多篇文献，基因定位相关文章多次发表在Nature Communication，Plant Journal，Science Report等相关杂志上，影响因子175+，具有3项发明专利。承担公司对内对外培训40+次，累计600+人次，客户反馈良好。主讲《Linux及Windows系统下图谱构建和QTL分析》 史老师：博士，应用植物基因组专业，主攻作物抗病耐逆研究。2009-2017年，就职于中科院上海生命科学研究院，主要从事模式作物重要性状功能基因图位克隆、基因功能验证方面的研究。具有10+年图谱构建、基因定位以及克隆方面的实战经验，参与多篇SCI学术论文的实验和写作，累计影响因子达到30+。负责80+项目的产品服务工作，承担对内对外培训10余次，累计覆盖200+人次，客户反馈良好。主讲《基因定位方案设计》。 具体课程 动植物基因组事业部 文案|Amy Cui |
|
|
