使用SNPhylo构建群体系统发生树

SNPhylo是一个基于SNP数据构建群体系统发生树的流程工具，它能接受VCF,HapMap和简单SNP数据格式作为输入，经过一系列的过滤（低质量数据、连锁不平衡）得到用于构建系统发生树的输入数据，最后会自动调用DNAML构建ML树，得到最终的结果。当然你可以把它当作一个过滤工具，用它生成Phylip输入文件。

安装依赖环境：

• R(getopt, phangorn, gdsfmt,SNPRelate): 实现LD过滤
• Python 2.7:  数据转换和过滤由python编写
• MUSCLE: 实现序列联配，可选步骤
• PHYLIP: 构建ML树

将这些软件放在环境变量中，或者你需要记住这些软件的安装位置。

接着从GitHub上下载该软件，最新版是20180901，支持多核CPU但是不支持压缩的VCF文件。

git clone https://github.com/thlee/SNPhylo.git

最后运行setup.sh进行配置

cd SNPhylobash setup.sh# 配置信息# Version: 20180901#START TO SET UP FOR SNPHYLO!!!#The detected path of R is /usr/local/bin/R. Is it correct? [Y/n] y#The detected path of python is /opt/sysoft/Python-2.7.15/bin/python. Is it correct? [Y/n] y#The detected path of muscle is /opt/biosoft/muscle/muscle. Is it correct? [Y/n] y#The detected path of dnaml is /opt/biosoft/phylip-3.697/dnaml. Is it correct? [Y/n] y#SNPHYLO is successfully installed!!!

流程的入口是 snphylo.sh ，使用起来非常方便，以测试数据集为例进行介绍

curl -O http://chibba.pgml.uga.edu/snphylo/soybean.hapmap.gzgunzip soybean.hapmap.gzsnphylo.sh -H soybean.hapmap

最终会生成一系列以 snphylo.output 作为前缀的文件，其中 snphylo.output.phylip.txt 可以作为其他建树软件的输入文件。

除了默认参数外，主要需要考虑的是过滤参数的设置, 然后我发现代码里面有一个参数比较奇怪， -p 参数对应了 Maximum_PLCS 和 Maximum_PNSS

• -c: 最低覆盖深度(5)
• -l: LD阈值（0.1)
• -m: 次等位基因频率阈值(MAF,0.1)
• -M: 缺失率(0.1)
• -a: 最后一个常染色体的编号。这意味着你的染色体编号必须是纯数字

学习这个软件并不意味着我们一定要用，我们可以借鉴流程的思路，使用其他软件实现相同的处理。