Script-in-Bio

一些群体遗传分析中用到的脚本

贡献者

还得学

• pangenome ---> want to learn and do in the future

• 单细胞分析 ---> want to learn and do in the future

  • 用的Seurat4，从前期处理到UMAP降维再识别差异基因marker的记录，细胞类型注释是人为的，所以......

• 孟德尔随机化 ---> want to learn and do in the future

  • 整合多组学--SMR分析，精确定位致病突变

• 算法 + 数据结构 ---> want to learn and do in the future

  • Python 基础
  • R绘图

• 绘图等的脚本可以找另一个目录 Rscript-to-anaylise-and-visualize，无毒，放心食用

  • 绘图学习网站，需要有点R语言基础了
    • https://r-charts.com/ 推荐给R绘图网站，提供绘图脚本
    • https://r-graph-gallery.com/ 再来一个，里面是一些绘图示例
    • https://z3tt.github.io/beyond-bar-and-box-plots/ 箱线图、条形图及衍生，一些绘图示例
    • https://www.cedricscherer.com/2019/08/05/a-ggplot2-tutorial-for-beautiful-plotting-in-r/ ggplot2绘图示例
    • https://rkabacoff.github.io/datavis/IntroGGPLOT.html 也是个可视化学习网站
  • 在线画图网站，给数据就行的那种，适合不愿学代码的萌新（PS：正经人谁用这个啊）
    • https://hiplot.com.cn/login?redirect=%2Fcloud-tool%2Fdrawing-tool%2Flist hiplot--基本上用的图他都有
    • http://www.biolantern.top/biolantern/index.php 同上喽

• 理论知识等，可以在Genome-analysis找到

目录

• SNP-calling

  • 包括BWA-GATK以及ANGSD
  • 写了个BWA-GATK的snakemake流程

• CNV 常用的方法是基于测序深度RD的策略，但是测序深度低的话会影响

  • CNVcaller基于RD
  • CNVnator
  • LUMPY他的分析过程有点繁琐
  • 这个Smoove是对LUMPY的整合，操作简单
  • 当然像结构变异这种大片段变异，还是建议有三代数据，无论是由三代检测出SV，然后用二代进行重新召回，还是都用三代，结果都是比二代数据call要好的多的

• 群体遗传结构分析

  • ADMIXTURE
    • 不设定bootstrap
    • bootstrap 这个的用意是设定随机数种子，然后进行自举重复，让最后的结果更合理
    • CV计算 用于对自举重复的CV进行计算统计
    • 可视化 这个图我还是很满意的
  • PCA 这里有两种进行PCA的软件，一直用的是GCTA
    • GCTA
    • smartPCA这个软件需要自己给好几个文件，我写了个shell进行生成，肯定比完全按他的流程走方便的
  • Tree 系统发育树的话我们一般用的就是ML或者是NJ了，NJ快，ML准确
    • ML-RAxML，他的运行时间是比IQ-TREE长的
    • ML-IQTREE
    • 用PLINK计算的遗传距离，然后写了个Python脚本生成NJ-MEGA的输入文件.meg，其实就是个遗传距离矩阵
    • NJ-VCF2Dis这个软件试过一次，运行时间也挺长的

• 选择信号分析

  • FST 这个是没有方向性的，即分析结果看不出是哪个群体受的选择信号
    • ANGSD
    • VCFTOOLS
  • XP-EHH 基于单倍型的方法，计算群体间选择信号，越高表示在A受选择，越低表示在B受选择，有方向
  • XP-CLR
  • ln_πratio pi的衍生方法
  • CLR
  • iHS 基于单倍型的方法，计算群体内选择信号
  • 曼哈顿图

• 变异注释 两种，从建库开始详细记录，看个人喜好

  • ANNOVAR
  • snpEff
  • bedtools软件也是可以的哦，有需要自己学

• 遗传多样性

  • HO-HE
  • LD只记录了LDdeacy，至于LDblock，一般是在GWAS的时候确定有连锁关系的位点
  • 近交系数 PLINK的het， GCTA的grm，以及基于ROH计算的

• 基因流，这个就是纯属个人兴趣了，里面的脚本仅用于测试，不过有问题还是可以联系探讨的（包括群体历史等）

• RNA分析的话，好久之前学的了，先记上

  • 用hisat2 featurecount deseq2进行的差异表达分析
  • 利用STAR及GATK进行转录组SNP的calling
  • rMAT的可变剪切分析，这个也是粗略的学了一下，毕竟用不上，纯属个人兴趣

• 至于[GWAS]，等以后用的再学一下吧

一些有用的东西

• 基因组圈图Circos

  • 可用于绘制变异在染色体上的分布，挺好用的，就是安装有点费劲，需要的依赖包过多
  • https://circos.ca/documentation/images/small/，这个是他的官网，里面有各种图及其绘图配置文件示例

• 给文件换染色体号，同时他可以过滤没用的染色体，perl脚本换不了开头的contig，需要再转次格式

看都看完了，觉得有用顺手收藏下子呗！！！