Populációgenetikai szoftverek ismertetése, alkalmazása populációk összehasonlítására

Átírás

1 Populációgenetikai szoftverek ismertetése, alkalmazása populációk összehasonlítására Tanszéki Szeminárium Kovács Szilvia

2 Populációgenetikai szoftverek Egyszerű mutatók, genetikai távolságok kiszámítására (Ho, He, HWE, LE, AMOVA, Mantel test stb.): Széles körben használt: Arlequin Excel makrók: Genalex, Ms Tools Mikroszatellitákra: Haploid adatokra: DnaSp(haplotípus, nukleotid diverzitás) Genetikai távolságok vizualizálása: Genetic Studio R csomagok: HardyWeinberg, ade4, pegas, ape, vegan,..

3 Populációgenetikai szoftverek Individual based módszerek Structure Baps Térbeli modellek is: Tess Geneland

4 Arlequin Hátránya: bonyolult input file

5

6 HWE és LE A Hardy Weinberg-törvénya genetika egyik törvénye. Kimondja, hogy egy populáción belül nemzedékről nemzedékre a relatív allélgyakoriság változatlan marad. p + q = 1 p² + 2pq + q² = 1 Kapcsoltsági egyensúly: a vizsgált markereknek egymástól függetlenül kell öröklődniük és az egyes allélok sem lehetnek kapcsoltak

7 Arlequin AMOVA φ ST értékek kiszámítása, haploidadatokra F ST és permutált értékek a (populációk közötti haplotípusokból)

8 Arlequin AMOVA F ST értékek kiszámítása, diploid adatokra F ST és permutált értékek a (populációk közötti genotípusokból)

9 Arlequin AMOVA F IS értékek kiszámítása F ST és permutált értékek az (egyedek között, a populációkon belül)

10 Páronkénti F ST és φ ST értékek Carpathian B Thrakia Macedonia Anatolia Caucasus Carpahian B Thrakia 0.046*** 0.219*** Macedonia 0.038*** 0.292*** 0.085*** 0.182*** Anatolia 0.018*** 0.297*** * 0.172** Caucasus 0.065*** *** 0.167*** 0.078*** 0.224*** 0.075*** 0.191***

11 Genetic studio távolságok nincs térbeli modell Nei's genetic Distance among region Table 3: Pair-wise matrix of genetic distances calculated among the stratum variable region. AZ BG CB MAC TUR UKR AZ BG CB MAC TUR

12 Geneticstudio Gráf: populációkat köti össze genetikai távolságok alapján:

13 Geneland Feladat: genetikai adatok alapján besorolja az egyedeket meghatározott mennyiségű populációkba Feltétel: a populációkban a lókuszok között Hardy- Weinberg equilibrium és linkage equilibrium van Több modellel dolgozik, a legnépszerűbb modell az adatok térbeli koordinátáit is használja R library(geneland) Geneland.GUI()

14 Input file 1. file: genitípusok: nincs fejléc Haploid(haploidélőlények vagy mt) egész számok L oszlopban Mikroszatellita SNP-k Diploid, kodomináns: egész számok 2L oszlopban Mikroszatellita SNP-k Domináns: egész számok L oszlopban (0-1 AFLP) 2. file: térbeli koordináták síkvetületű!!!! 2 oszlopban: x, y 3. file: egyedazonosítók: 1 oszlop

15 Output Becslés a HWLE lévő genetikai populációk számára Térkép az egyes genetikai populációk elhelyezkedéséről Minden egyedre megadja, hogy melyik becsült genetikai populációba lett besorolva A térkép minden pixelére megadja, hogy melyik becsült genetikai populációba lett besorolva A pixelek számát beállíthatjuk a jobb felbontás érdekében További lehetőségek: páronkénti F st -kkiszámítása, F is kiszámítása

16 Modellek K: a populációk száma (ezt keressük) Uniform eloszlása van 0 és a felhasználó által megadott Kmax között Populációs besorolás minden egyedre és minden pixelre

17 Mixturemodell Diploid adatokra Az adatsor minden egyede (n) besorolható (K) HWLEben lévő genetikai populációkba (L) lókusz alapján f klj a gyakorisága a k-adikgenetikai populációban az l lókuszjalléljának, p i az i-edikegyed populációs tagságának valószínűsége Az i-edik egyed l-edik lókusznak genotípusa: A modell likelihood-ja:, ha (homozigóta), egyébként 0 (heterozigóta)

18 Mixturemodell Haploid adatokra Az allél gyakoriságok és a populációs besorolások alapján a genotípusok multinomiáliseloszlásúak Linkage equilibrium a feltétele

19 Uncorrelatedmodell Az allél gyakoriságok a keresett genetikai populációkban ismeretlenek Ismeretlenként szerepelnek a számításban (nem ezek értékét keressük) Minden genetikai populációra és lókuszrakiszámolt egyenletek vektorai egybe vannak foglalva (f kl1, f klj ) f klj- nekdirichleteloszlást feltételezve: A modell likelihood-ja: Ez a valószínűség nem függ f klj aktuális értékétől és mindig ugyanazt a prior probability-t adja minden allél frekvenciára

20 Correlatedmodell Az allélgyakoriságok hasonlóak az egyes genetikai populációkban (pl.: a ritka allélok minden populációban ritkák) Korrelációval fejezhető ki a f klj és f k lj között (k és k különböző genetikai populációk) A modellben van egy gyakoriság megadva az ős populációra: f Alj, melynek szintén Dirichleteloszlása van Egy vektorban meg vannak adva az egyes genetikai populációk drift (genetikai sodródás) paraméterei (d 1...d K ) f kl f A, d nekdirichleteloszlása van

21 Correlatedmodell Allél gyakoriságok korrelációja a genetikai populációk között: Driftparaméter d k [0,1] priorja béta eloszlású Ez a modell könnyebben mutat ki különbséget a genetikai populációk között Instabilabb, ezért először használjuk az uncorrelatedmodellt és utána nézzük meg, hogy a correleted hogyan módosítja azt

22 Non-spatialmodell p: a valószínűsége annak hogy az adott populációba tartozik az egyed, ez minden egyedre minden genetikai populációra (K) ki van számolva p=(c 1...c n ), ahol A modell likelihood-ja: 100 egyed, két genetikai populációt feltételezve:

23 Spatialmodell Térbeli mintázatot feltételez, valamilyen barriermegléte miatt a génáramlás limitált az egyes populációk között A program a Poisson-Voronoitessellation modell-t használja Feltételezi, hogy van mismeretlen számú poligonunk, ami kb. lefedi a térbeli populációs mintázatot A poligonok középpontjai: u 1...u m és minden poligonhoz tartozik egy genetikai populáció a K- ból (különböző színnel vannak jelölve a populációk)

24 Poisson-Voronoitessellation modell A poligonok száma poisson eloszlást követ paraméterei: mdb független középpont u 1...u m uniform eloszlással minden u i pont meghatároz egy V i ponthalmazt a térben, ami közel van u-hezés i minden más ponttól távol (u 1...u m )- ben, V i lesz az i-edikcella a Voronoitessellatioban A pontokhoz (u 1...u m ) és a ponthalmazokhoz (V i... V m ) hozzárendel egy genetikai populációt {1,...,K} ból, amik különböző színnel jelennek meg A színek/genetikai populációk valószínűségi eloszlásokból vannak mintázza, ami uniform eloszlású:

25 Poisson-Voronoitessellation modell

26 Spatialmodell 100 egyed 2 genetikai populációban, ahol a genetikai populációk egy vagy több térbeli poligonból állnak össze

27 Poisson-Voronoitessellation modell Genetikai populációk száma: 2 Poligonok száma: 5

28 100 egyed 2 genetikai populációban (K=2) 10 poligon (m=10) A genetikai populáció térbeli területe (D) pár poligon uniójából áll össze a poligonok középpontjai: u i az első ábrán láthatóak

29 Null-allél modell Diploid adatok esetében feltételezzük a HWLE-ot a populációkban Ha túl sok null-allél van a mintában torzíthatja a modellt, sérül a HWLE MCMC-fv.ben: filter.na=true, EstimateFreqNA Null-allél: sikertelen PCR az adott lókuszra, adott allélra 0-val van kódolva Informatív lehet, ha mutáció miatt nem épül be a primer Viszont, ha mi rontottuk el a PCR-takkor inkább legyen hiányzó adat: miss.loc-al kódolva Ha csak pár helyen hiányzik vigyázzunk vele: mert ha nullmodellt használunk azokat az egyedeket, amiknél hiányzik a lókusz, nagyon hasonlónak veszi!!!

30 Coordinatesuncertaintymodell 1. az egyedek helyhez kötöttek, mégis a koordináták csak bizonyos pontossággal lettek felvéve 2. az egyedek helyhez kötöttek és a detektált elmozdulásuk a megfigyelési eseményhez köthető 3. ha az egyedek mozgás körzete (homerange-e) nem elhanyagolható a vizsgálati terület nagyságához képest 4. ha több egyednek ugyanaz a koordinátája (mivel kerülhetnek különböző populációkba immigránsok detektálása) Megfigyelt koordináta az összege a valós koordinátának és egy random zajnak Az MCMC fv-ben: delta.coord>0

31 Admixturemodell Az egyedek leszármazása kevert Ennek a modellnek a likelihood-jahasonló a Structure modelljéhez q= (q ik ) mátrix, ahol q ik megmutatja, hogy az i- edikegyed genomjának hányad része származik a k-adik klaszterből (genetikai populációból) diploid genotípus esetén a modell likelihoodja: Haploid:

32 Admixturemodell Az admixturearányt kifejező minden vektor q ik = q(ik)k=1,...,k Dirichlet-eloszlástkövet d ik az i-edikegyed távolsága a k-adik klasztertől (0, ha a k-adikgenetikai populációban lett mintázva)

33 Admixturemodell Várható értéke: Ha K=2 klaszter és létezik a hibrid zóna és i- edikegyed a klaszter 1-hez tartozik (d i1 =0):

34 Admixture model A várt admixturearányok térbeli változása K=2 genetikai populáció estén: piros: q i1, zöld: q i2 szigmoid görbék

35 Geneland modellek stochastikus ---> determinisztikus függés...> admixture Poisson- Voronoi tesselation Admixture Correlated

36 Algoritmus MCMC varnpop=true popok ismeretlenek ezeket szimuláljuk npopmax=10 max10 pop van spatial modell correlatedmodell-el kombinálva MCMC iteráció Minden 100-dik lesz elmentve összesen 1000 Ha n= és L=10-30, akkor iterációra és 100 thinningre van szükségünk munkakönyvtár

37 Algoritmus PostProcess Végső becsléseket és térképeket készíti el: nxdom, nydom: a vizsgálati terület horizontális és vertikális felbontása pixelekben 200 mentett iteráció

38 Eredmény 1 Genetikai populációk száma, itt K=2

39 Eredmény 2 Posterior populációs besorolása az egyedeknek

40 Eredmény 3 Tessalatio-s ábrák

41 Eredmény 4 F-statisztikák

42 Különböző modellek outputjainak összehasonlítása Az átlagos posteriorprobabilitásalapján csak ugyanolyan beállításokkal futott modelleket lehet összehasonlítani (pl. Ugyanaz a modell beállítás különböző K értékekre) Megnézhetjük, hogy konvergál-e az MCMC Amely modellhez a vizsgálati alanyunk jobban illik Priori: infoa diszperziójáról, génáramlásról, barrierekről Posteriori: genetikai popok száma (K) illeszkedik a térbeli mintázatra (pl.: nincsenek fals populációk)

43 Structure Geneland-hez hasonlóan egyedi alapú modellek Térbeli koordinátákat nem használja 4 fajta modell az egyedek leszármazása szerint: 1. mixture modell: egy adott egyed egy pop-ból származik 2. admixturemodell: minden egyed genomjában van a K darab genetikai populációéból valamennyi 3. linkagemodell: olyan mint az admixturemodell, csak bizonyos lókuszok bizonyos populációkból együtt jönnek 4. informatív priorú modellek: a minták származási helyét használja POPLOC, vagy valamilyen infotaz egyedekről USEPOPINFO

44 Allélgyakoriság 2 modellje 1. uncorrelatedmodell: az allélgyakoriságok függetlenek minden populációban és egy λ paraméterű eloszlásból származnak (default: λ=1) 2. correlatedmodell: P A többdimenziós vektort használ, mely tartalmazza az allélgyakoriságait egy hipotetikus ős populációnak A Kgenetikai populációban egymástól független genetikai sodródás (drift) ment végbe: F 1,F 2,...,F K P A priorja Dirichleteloszlású:

45 Correlatedmodell Lókusztólfüggetlenül az allélgyakoriság priorja a k genetikai populációban: F k priorja gamma eloszlású (default: mean: 0.01, sd: 0,05)

46 K-becslése Futás: Burnin bőven elég Ennél több kell a Pr(X K) pontos becsléséhez MCMC t lefuttathatjuk az egyes K-kra többször is, hogy megnézzük milyen konzisztens lesz a becslés Eredmény: LnProbof Data ~ lnpr(x K) Legnagyobb értékhez tartozó K-t választjuk

47 K-becslése Vigyázat!!! K-nagyon függ a futások számától Függhet a kiválasztott modelltől, a használt modellt úgy válasszuk, hogy illeszkedjen az adatainkra, sajnos sok választási lehetőség van: mixture-admixture Uncorrelated-correlated Van prior info a popokról- nincs prior info

48 K-becslése Általában a plato kezdetét fogadják el K becslésénél Lehetnek fantom populációk is, ábrákon ellenőrizzük X-tengelyen az előre definiált populációink egyedei vannak (input file-ban megadjuk) Színek: különböző genetikai populációk Az ábra megmutatja, hogy milyen valószínűséggel tartoznak az egyedek a becsült genetikai populációkba Ln Pr (X K) Itt K=4 volt, mégis a 4. pop-ba (kék) nem tartozik egy egyed sem K

49 3 becsült genetikai populáció szétválása K-nagyon függ a futások számától

50 3 becsült genetikai populáció szétválása K-nagyon függ a futások számától

51 3 becsült genetikai populáció szétválása K-nagyon függ a futások számától

52 3 becsült genetikai populáció szétválása K-nagyon függ a futások számától