群体遗传专题：读取数据和数据的基本格式
群体遗传专题：读取数据和数据的基本格式
上一次讲了PCA的分析，这次回过头来给大家讲讲一些基本的东西，群体遗传的数据格式与读取。
本文主要关注GenAlEx格式，当然除了该格式外，R还会支持其他格式的数据，具体可以通过import2genind的function来实现。接下来将以单倍体，二倍体和多倍体数据集为例，展示如何将数据分组为多个分层。
Importing data （读取数据）
GenAlEx 格式的数据
为了简单起见，我们来看一下monpop数据，该数据包含6个分离的13株单倍体微卫星基因座上的694株植物病原菌Monilinia fructicola（Everhart＆Scherm，2015）
要将GenAlEx格式的数据导入poppr，您应该使用函数read.genalex。
library("poppr")
monpop <- read.genalex("monpop.csv")
monpop
结果：
This is a genclone object
-------------------------
Genotype information:
264 original multilocus genotypes
694 haploid individuals
13 codominant loci
Population information:
1 stratum - Pop
12 populations defined -
7_09_BB, 26_09_BB, 26_09_FR, ..., 45_10_FR, 26_11_BB, 26_11_FR
其他的数据格式
使用poppr，我们还可以将以下的格式导入数据中：
FSTAT (file.dat)
GENETIX (file.gtx)
GENEPOP (file.gen)
STRUCTURE (file.str)
adegenet函数import2genind将导入所有这些格式。如果您有序列数据，则可以使用ape包中的read.FASTA函数。如果您的数据采用其他格式。
GenAlEx data format
GenAlEx是Microsoft Excel非常受欢迎的附加组件。由于其熟悉的菜单驱动界面，使用起来相对简单。它还使用户可以选择包含群体分组，地区分组和xy坐标的信息。这种格式的灵活性使其成为导入poppr的明确选择。
数据格式是标准的，因为个体在行中定义，基因座在列中定义。前两行保留用于元数据，前两列分别保留给各个名称和群体名称。我们将使用的例子包括单倍体，二倍体和多倍体数据。
以下是monpop（单倍体）数据的样子。以红色突出显示缺失数据应如何编码SSR标记。蓝色突出显示的是poppr使用的元数据行的部分。这三行之外的元数据列定义了每个群体中包含的个体数量。
Diploids
二倍体数据仅在每个位点有两个等位基因有所不同。这是编码，每个等位基因在一个单独的列。以下是nancycats数据集（来自adegenet软件包）的示例，如上所述导出。蓝色和红色突出显示分别是第一和第二个基因座。
Polyploids
GenAlEx不处理多倍体，但由于poppr可以做到这一点，我们已经建立了一个允许通过这种格式导入多倍体的方案。限制是所有的基因座必须具有相同的观察倍数。下面是数据集Pinf中致病疫霉的例子，其中一些基因型观察到四倍体基因座(Goss et al., 2014)。
蓝色突出显示第一个基因座，红色突出显示该基因座有两个样本，一个观察到的二倍体和观察到的三倍体。
群体阶级
分层抽样方法对于推断人口在空间或时间上的结构是必要的。 Poppr通过通用分隔符（默认情况下为“_”）将不同分层级联到单个列中，便于定义分层数据。以下是上面介绍的monpop数据集的三个分层的示例：
猜你喜欢
生信菜鸟团-专题学习目录（6）
生信菜鸟团-专题学习目录（7）
还有更多文章，请移步公众号阅读
▼ 如果你生信基本技能已经入门，需要提高自己，请关注下面的生信技能树，看我们是如何完善生信技能，成为一个生信全栈工程师。
▼ 如果你是初学者，请关注下面的生信菜鸟团，了解生信基础名词，概念，扎实的打好基础，争取早日入门。