种群动态历史评估方法之 SFS（Site/Allele Frequency Spectrum）

SFS的基本理解、介绍的一篇文章：https://theg-cat.com/tag/joint-sfs/
如果不做算法，基本的原理这里应该也差不多了，先跑个试试

fastsimcoal2.6 SFS群体历史动态模拟教程：
https://speciationgenomics.github.io/fastsimcoal2/
评估SFS教程：
https://speciationgenomics.github.io/easysfs/
Stairway plot Github网站：
https://github.com/xiaoming-liu/stairway-plot-v2

1、评估SFS (estimate Site Allele Frequency)

使用ANGSD进行SFS Estimation。这个软件考虑了missing data和低depth位点。以bam文件为input。
https://github.com/ANGSD/angsd

安装

cd ~/software
wget http://popgen.dk/software/download/angsd/angsd0.930.tar.gz
tar xf angsd0.930.tar.gz
cd htslib;make;cd ..
cd angsd
make HTSSRC=../htslib
cd ..

后面按照教程来就行。参照官网example：http://www.popgen.dk/angsd/index.php/SFS_Estimation

---

如果missing data不多，可以直接用easySFS。
https://github.com/isaacovercast/easySFS

python3 /home/software/easySFS/easySFS.py -i vcf \
-p ./pops_file.txt -a -f --preview

看一下有没有很多frequency很低的值，需不需要down sample。

我这里没有，所以直接对VCF中第一、第二个种群分别取20、16个sample（其实是10、8个个体，二倍体所以sample数量乘二）：

python3 /home/software/easySFS/easySFS.py -i vcf \
-p ./pops_file.txt -a -f --proj 20,16

这个 ./pops_file.txt 是告诉软件VCF里哪几个个体是一个种群的文件。格式官网教程有。

---

不管哪种方法，最后希望得到的是这样的：

.obs文件格式

这是SFS observation文件，后缀为.obs。一共应该有2N+1列，N为样本个体数。后一半都是0是因为这是folded SFS。因为我不知道群体的祖先状态序列。如何设置folded或者unfolded，几个软件的教程里都有。

---

2、Fastsimcoal2.6 ， SFS建模模拟种群动态历史

Fastsimcoal2.6输入文件

使用Fastsimcoal2.6，利用SFS模拟种群动态历史需要三个输入文件：

• .tpl 模版文件（参数文件）：用来指定历史事件、migration、样本大小、突变率重组率等等。注意，这里的突变率重组率都为【per generation】
• .est 参数评估文件（prior文件）：在这里对参数施加prior，指定参数之间关系等等。
• .obs SFS观测文件：就是上一步生成的。

这三个文件的前缀必须相同，在这里为"6.GL1.folded.HN"。如果为unfolded SFS，SFS观测文件后缀应该是DAF之类的而不是MAF，具体得看说明书。

一般来说，有两种构建模型的方法：
1）可以构建很多模型（可能3～10个）来对种群历史建模，然后比较每个模型的lnL（也就是LRT检验），看那个模型最合适。比如第一个模型是有效群体大小先上升后下降在上升，第二个是先下降在上升等等。对于单个群体（不考虑migration）的简单模型，一般也就是设置几个bottleneck时间点，扩张时间点以及对应的种群大小参数。
2）只构建一个模型，限制“时间点”prior的范围，但是放松Ne prior的范围，并保持一致，让算法自己探索种群在某个时间点是扩张还是收缩。在RULES中只对时间做限制，而不对Ne做限制。这种就需要增加运行的次数，让模型达到收敛，比如设置-L 100。例如：
.est文件：

.tpl文件：

image.png

设置好配置文件以后，开跑：

fsc26 -t ${i}.GL1.folded.HN.tpl -e ${i}.GL1.folded.HN.est \
-m -0 -C 10 -n 100000 -L 40 -s 0 -M -q -c 5 &

# 对于folded SFS，记得设置 -m

生成文件里有likelihood的评估，拿过来比较模型就行了。对最优模型可以再跑bootstrap，说明书里有。

我个人觉得对于单个种群而言，用SFS不一定是好的选择。PSMC从原理上更加靠谱一些。而fastsimcoal模型的优势在于其可以考虑多个种群的migration、融合与分裂、群体大小变化等等。个人见解，欢迎讨论。

---

1月21日更新

fastsimcoal模型比对结果还可以，但是并不是很直观，我试了下Stairway plot v2.1，感觉挺靠谱，也很简单。
网站：
https://github.com/xiaoming-liu/stairway-plot-v2

很凑巧，这篇文章，stairway plot2是去年（2020）发布的

git clone或者通过他给的链接下下来，然后准备一个配置文件，就可以开跑了

SFS就用我们之前得到的。

配置文件

参数配置README文件里面都有写，SFS也直接贴里面就行，比fastsimcoal方便。

具体算法孰优孰劣，得了解算法，再看看人家比对的文章。好像有文章说单个参数的简单模型或者多个种群用fastsimcoal靠谱，单个种群可能stairway plot好一些。个人理解。

tips：如果报错了很可能是命名问题导致没有找到java class的路径，可以修改回原命名试试。

image.png