【直播】我的基因组57:最简陋的祖源分析

这……可能是最简陋的祖源分析了吧,没有之一。

前面我们学习了千人基因组的人群分布情况,也简单的看了看我自己的基因型在那2504个人的距离情况,但是只能定位到我是东亚人,没办法细分人种,是因为我挑的SNP位点不够好。所以我查阅了一些文献,找到了一篇文章,https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4784403/

文章的作者精选了2318 SNPs能够最大化European, African and Asian 人种的差异,据作者所说,是非常适合做祖源分析的!

当然,并不是一定需要两千多的位点的,也有文章就挑选了30 ancestry informative markers (AIMs) 就可以了,from 282 SNPs screened from 30 phenotype-related genes based on the genotyping data of 658 samples from nine populations in the HapMap database.

https://www.ncbi.nlm.nih.gov/pubmed/25143275

FastPop软件: https://sourceforge.net/projects/fastpop/files/

cd ~/biosoft# https://www.cog-genomics.org/plink2/data#merge_listmkdir fastpop && cd fastpopwget https://sourceforge.net/projects/fastpop/files/FastPop.tar.gwget https://jaist.dl.sourceforge.net/project/fastpop/FastPop_Instruction.pdftar zxvf FastPop.tar.gz

就是几个R脚本,对我来说,其实重点反而是作者精选的那2318 SNPs位点。

这个脚本比较考验shell能力,而且运行非常慢,因为千人基因组计划的数据太多了!

ls ~/annotation/variation/human/1000genomes/GRCh38/*gz |while read iddoecho $id zcat $id |perl -alne 'BEGIN{open FH,"/home/jianmingzeng/biosoft/fastpop/FastPop/snp.txt";while(<FH>){chomp;$h{$_}=1};close FH}{print join("\t",$F[2],@F[9..$#F]) if exists $h{$F[2]}}'>>choose.genotype donecat ~/biosoft/fastpop/FastPop/snp.txt my.dbsnp.vcf |perl -alne '{$h{$_}=1;next unless exists $h{$F[2]};@tmp=split/:/,$F[9];print "$F[2]\t$tmp[0]"}'>fastpop.my.genotype

这样就做出了下面所示的数据文件,后台回复祖源分析可以获取这些文件,当然,我的基因型是不可能给你的啦,你可以去下载一个vcf(改名为my.dbsnp.vcf 就可以运行上面的代码了)即可。

用前面的PCA分析,结果如下:

很明显,这次的人群分开效果较好,虽然前两个的主成分作用力还是有限!

同样的,我还是把504个东亚人群拿出来单独看看:

前两个的主成分作用力更低了,但是已经比第一次只从千人基因组计划里面挑选1000个allele frequency为0.5的位点要好很多了!而且这次很明显可以看到日本人跟其余的东亚人距离比较远,应该是由于他们是在一个小岛上,比较封闭的原因吧。西双版纳的傣族人跟越南人也远离了南方汉族和北方汉族,但是中间的界限并不是那么的绝对!

很明显,我跟北方汉族和南方汉族更接近,仔细看起来,更偏南方一点!

但是呢,千人基因组计划里面对每个样本的信息记录是有限的,并没有跟我基因型非常近的那些人的信息信息,不然我倒是想打个电话过去问问 NA18637是哪里人!

当然,真正的祖缘分析要比这更复杂,比如国内大名鼎鼎的wegene的基因检测产品的祖源分析报告如下:

上面的分析,跟我用PCA分析千人基因组计划应该原理上是差不多的,但是下面的分析我还没弄懂,看起来是专门针对性染色体的起源追踪。但是我搜索了一些资料,如果有空的话,我还会在后面分享的。

PS;我毕竟是一个人在做分析,比不上公司一个团队,而且我是业余时间玩一下自己的基因而已,比不上人家五天八小时的辛勤搜索总结和学习。尤其是本次的祖源分析系列和后面的GWAS解读系列,我相信公司在这一块会做的更好,毕竟,这个可是他们的饭碗!

【直播】我的基因组55:简单的PCA分析千人基因组的人群分布

【直播】我的基因组56:探索遗传起源

所以我已经预定了wegene的基因检测试剂盒,因为他们的检测原始数据可以拿到,我会专门抽出4讲来说明芯片做的基因检测和全基因组二代测序做的基因检测结果的一致性问题。敬请期待~~~~~~~~~

人类的Y染色体拥有约0.58亿个碱基对(DNA基本结构),约占人类男性体细胞中DNA的2%[35]。人类Y染色体上有86个基因,这些基因只编码了23种不同的蛋白质。只有拥有Y染色体才能可能继承的性状被称为雄性性状。

人类的Y染色体除了在端粒上的拟常染色体区的少部分片段(只占有染色体长度约5%)能与相应的X染色体发生重组,其外都不能发生重组。这些片区是由原本X染色体与Y染色体同源的片段遗留下来的。Y染色体中不能发生重组的其他部分被称为“NRY区”(non-recombining region,非重组区)。 这个区域中的单核苷酸多态性被用于父系祖先的追溯。https://en.wikipedia.org/wiki/Y_chromosome

参考文献:

  1. Ensembl Human MapView release 43. February 2007 [2007-04-14].
  2. ScienceDaily.com Apr. 3, 2008

文:Jimmy

图文编辑:吃瓜群众

原文发布于微信公众号 - 生信技能树(biotrainee)

原文发表时间:2017-02-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏思影科技

《大话脑成像》系列之六——脑电信号频域变换

傅里叶大神推荐关注思影科技,并表示以下文章全是关于他! 自从做了那么多核磁基础讲解之后,有些脑电的朋友或者学员感到不忿,感到委屈,感到不公平,说哎呀,主编你好偏...

2875
来自专栏生信技能树

【直播我的基因组66:大多数性状往往是多个基因控制的

前面我们说到了那些简单的由单个基因决定的性状,这东西不需要预测,其中的生物学机制已经研究的非常透彻,只要拿到你的基因信息,很容易推断你的性状,比如人的乙醇脱氢酶...

3338
来自专栏生信技能树

中国制造:碉堡的TCGA可视化网站GEPIA

听生信群里大神闲聊,说他师弟做了个TCGA可视化工具,并且有志于各种数据库的可视化,我就点开链接看了一下,不点就算了,一点开不得了, 本来我还举了个例子: 就像...

3576
来自专栏大数据文摘

手把手教你用数据分析帮女神学姐选婚房

22110
来自专栏智能算法

微信启动画面的是怎么拍出来的?

微信的启动画面:一个站在巨大星球下的孤独小人的背影,深深传递着与人沟通的渴望。画面地球原图为阿波罗 17 号太空船船员所拍摄的著名地球照片《蓝色弹珠》,不是在月...

33510
来自专栏互联网数据官iCDO

使用归因模型前,要先填上这8个坑!

仲志成,iCDO原创志愿者 在互联网数据领域,归因模型常被提及。如何用对数据,如何真正让归因模型产生价值,作者为我们总结了8个坑。让我们一起来看看自己有没有落入...

4118
来自专栏生信技能树

男性福音:吾射不亦精乎?

您还在为妻子的埋怨眼神疲倦吗?您还在为家人的催促苦恼吗?你还在糊里糊涂晕了吧唧不知所以然嘛?咳咳,今天就为大家普及一个男性福音的羞羞哒技能! 咳咳,男科...

3569
来自专栏钱塘大数据

芯片这么难以制造,背后真相是什么

最近“芯片”刷屏,对于芯片产业的关注热潮背后,国人正在重新审视芯片行业的发展。实际上,国内高端通用芯片产业仍然处在起步阶段,与欧美、日韩的芯片产业仍有较大差距...

3597
来自专栏我是攻城师

12306图片验证12小时内被破解,验证安全的出路到底在哪?

3636
来自专栏我的博客

为何GPS坐标和百度坐标不一致?

美国GPS使用的 是WGS84的坐标系统,以经纬度的形式来表示地球平面上的某一个位置。但在我国,出于国家安全考虑,国内所有导航电子地图必须使用国家测绘局制定的加...

34010

扫码关注云+社区