群体遗传专题-学习Fst

群体遗传

概念回顾

Fst：群体间遗传分化指数，是种群分化和遗传距离的一种衡量方法，分化指数越大，差异越大。

两个种群之间遗传差异的基本测量是统计量FST。在遗传学中，F一词通常代表“近亲繁殖”，它倾向于减少群体中的遗传变异。遗传变异可以用杂合度来衡量，所以F一般表示群体中杂合性的减少。 FST是与它们所属的总群体相比，亚群体中杂合性的减少量。
具体可以下面的公式表示：

Fst= (Ht-Hs）/ Ht
Hs:亚群体中的平均杂合度
Ht:复合群体中的平均杂合度

理论上计算Fst的步骤

理论上要估算FST，需要以下步骤：

• 找出每个亚群的等位基因频率。
• 查找复合群体的平均等位基因频率
• 计算每个亚群的杂合度（2pq）
• 计算这些亚群杂合度的平均值，这是HS。
• 根据总体等位基因频率计算杂合度，这是HT。
• 最后，计算FST =（HT-HS）/ HT

例子

基因SLC24A5是黑色素表达途径的关键部分，其导致皮肤和毛发色素沉着。与欧洲较轻的皮肤色素密切相关的SNP是rs1426654。 SNP有两个等位基因A和G，其中G与轻度皮肤相关，在犹他州的欧裔美国人中，频率为100％。美洲印第安人与美国印第安人混血儿的SNP在频率上有所不同。墨西哥的样本有38％A和62％G;在波多黎各，频率分别为59％A和41％G，查尔斯顿的非裔美国人样本中有19％A和81％G.这个例子中的FST是什么？

答案如下：其中每个亚群的H值是通过2pq（p和q各代表等为基因的频率）来计算。

生物信息工具计算Fst

当然了，实际中我们并不需要像上述例子那样逐个计算。等位基因频率的信息都藏在snp calling后的vcf中，再使用恰当的工具就可以快速计算出Fst。下面给大家介绍一种比较popular的计算Fst的方法（还有其他方法不限于一种），使用vcftools：

    vcftools --vcf test.vcf --weir-fst-pop 1_population.txt --weir-fst-pop 2_population.txt --weir-fst-pop 3_population.txt  --out p_1_2_3 --fst-window-size 500000 --fst-window-step 50000
# test.vcf是SNP calling 过滤后生成的vcf 文件；
# p_1_2_3 生成结果的prefix
# 1_population.txt是一个文件包含同一个群体中所有个体，一般每行一个个体。个体名字要和vcf的名字对应。
# 2_population.txt 包含了群体二中所有个体。
# 3_population.txt 包含了群体三中所有个体。
#计算的窗口是500kb，而步长是50kb （根据你的需其可以作出调整）。我们也可以只计算每个点的Fst，去掉参数（--fst-window-size 500000 --fst-window-step 50000）即可。

这个计算过程相当快，然后生成了output file：p_1_2_3.windowed.weir.fst

快速看看生成的文件有什么

CHROM   BIN_START       BIN_END N_VARIANTS      WEIGHTED_FST    MEAN_FST
AmTr_v1.0_scaffold00001 1       500000  4543    0.23994 0.182946
AmTr_v1.0_scaffold00001 50001   550000  4166    0.222243        0.170822
AmTr_v1.0_scaffold00001 100001  600000  4220    0.195063        0.152002
AmTr_v1.0_scaffold00001 150001  650000  4478    0.187311        0.151101
AmTr_v1.0_scaffold00001 200001  700000  4901    0.190478        0.156037
AmTr_v1.0_scaffold00001 250001  750000  4777    0.182011        0.143682
AmTr_v1.0_scaffold00001 300001  800000  4222    0.195812        0.15571
#第一列：染色体
#第二列：计算开始位置
#第三列：计算结束位置
#第四列：计算区域内变异的数量
#第五列和第六列：加权FST和平均FST

结果的出来后，最终要的还是将其转换成图片的形式，废话不多说，上代码：

library(ggplot2)
data<-read.table("/home/ricky/Desktop/ws/Amborella/Phylogency/p_1_2_3.windowed.weir.fst",header=T)
sc3 = subset(data,CHROM=="AmTr_v1.0_scaffold00003")
#这里选取了scaffold 3来观察
p <- ggplot(sc3,aes(x=BIN_END/1000000,y=WEIGHTED_FST)) + geom_point(size=0.5, colour="blue") + xlab("Physical distance (Mb)")+ ylab("Fst") + ylim(-1,1)
p + theme_bw()

简单解析，在第三个scaffold上没有特别明显的特别大的Fst，在该scaffold上没有明显的驯化分化信号。

理解与应用

具体的深入应用我还需要多学习一下，但一般可以结合Fst 与 pi 值进行选择性分析，筛选出你感兴趣的位点（如迁移、突变和遗传漂变），下图就是一个列子：通过Fst和pi帅选驯化相关的区域：