群体遗传专题-structure图的构建与理解

PCA图，structure图还有进化树称为群体结构图形三剑客。他们之间可以互相验证，也各有所长，之前介绍了PCA图，今天来讲解一下structure图。

介绍

什么是structure图？ 如果你有看过群体遗传相关的文章，你对它肯定不会陌生。对那些还没有接触过的同学，那就直接上图吧：

上图是选取于一个大麦群体遗传的研究。不同的颜色种类分别代表了种群的数目，橙色代表了驯化的大麦，绿色是野生的大麦。上下有两个图是，因为这个例子中选取了两种structure分析的方法：本别是（使用全部的SNPs还有随机抽取10组样本为1000的SNPs），两个结果几乎完全一致。下图黑色的“胡须”是分析结构产生的标准差。

Structure图,其实就是一款群体遗传分析软件——STRUCTURE生成的图。这个软件是由斯坦福大学Pritchard实验室开发，最早在2000年nature genetics上的文章被使用。

其目的也很简单，分析整个群体的结构。Structure图可以展示具体群体的亚群分类，告知该群体间是否有杂交，进而产生基因交流，已经每个个体混血的程度有多少？这些信息都是PCA图还有进化树无法提供的。

Structure图构建原理

1. 获取样本基因型；即snp calling的结果，vcf file。

2. 一般来说我们是不知道群体中十几包含了多少个亚群，我们一般把它设置为K。然后Structure软件就会使用贝叶斯算法，推算并模拟K分别在1~x的情况下，是如何分群，及每个个体血统分布情况。

如下图你可以了解k=2,3,9的情况下，该物种是如何分群的，及每个个体的血统构成。例如K=3，有三种颜色，代表三个亚群。有一些个体，会掺杂两种颜色，证明这个个体具有杂合的血统，并且颜色的多少代表掺杂了对应祖先的比例。

但是问题来了如何决定那个K值所对应的图是对的？因为structure使用的是贝叶斯算法，每个K值模拟的结果都会产生一个最大似然值。软件中会以最大似然值对数的形式出现，该值越大，说明对应K模拟的结果越接近真实群体的情况。当K值不断增加，会出现一个饱和的最大似然值的点。该点对应的K值所生成的图就是最合适的模拟图。

Structure软件计算原理

简单说来，就是利用了计算机超强的运行能力，一开始计算机只是随机将样本分为k份）（具体看你的K值），然后在每个亚群内进行哈温平衡检验。如果不符合哈温平衡，计算机继续调整分类，然后继续检验。

Structure图的生成

Structure分析当然最经典的软件就是STRUCTURE。但Structure分析还有其他软件可以选择: ADMIXTURE、FRAPPE。这两个软件的运行速度都大大超过STRUCTURE。但FRAPPE的不足没有提供方法估算最佳K值。ADMIXTURE使用与STRUCTURE相同的模型，而且运行效率也很好，所以是一个比较推荐的软件。还有一款软件叫做FASTstructure是Structure的一个升级版，其优点是能快速处理大批量的文件。

关于具体的使用方法，我个人尝试过运行，按照流程跑了一下，但是还是还没有完全摸透并且可以灵活运用该软件。在原文链接中，给大家推荐了一个关于“structure安装包及教程”的博客。供大家学习和参考。