Este proyecto pretende aclarar la delimitación de dos de las especies que se han considerado Beaucarnea recurvata, utilizando datos de secuenciación masiva (GBS).

Se utilizaron 73204 SNPs de 100 individuos.

Para este proyecto se utilizaron la instalación de los siguientes programas:

1. vcftools 2. Plink 3. Admixture 4. FastStructure 5. R

• ggplot2
• ape
• ade4
• Biocondictor
• SNPRelate continuará...

Este repositorio contiene todos los elementos necesarios para reproducir los análisis mencionados.

Los datos, scripts, resultados y figuras se encuntran dentro de este directorio y en directorios secundarios, los cuales se mencionaran en los diferentes apartados de este README.

Data Bin Out Meta Figures

En el directorio proyecto_final/Data esta contenido el archivo Beaucarnea_recurvata.MCR50.snps.vcf, que fue utilizado como base para estos análisis.

En el directorio proyecto_final/Bin se encuentran todos los scripts que se corrieron, en el siguiente orden:

1. ~/TransformVCF_Plink.sh 2. ~/Admixture/AdmixSeveralK_y_CV.sh 3. ~/Admixture/Cross-Validation.R 4. ~/Admixture/PlotAdmix.R 5. ~/FastStructure/FastStrseveralK.sh 6. ~/FastStructure/PlotStr.R 7. ~/sNMF/Transform vcf_a_genofile 7. ~/sNMF/sNMF_Loop_y_CE.sh continuará...

El archivo base para los análisis, se encuentra en ~/Data/Beaucarnea_recurvata.MCR50.snps.vcf, por lo tanto, es necesario transformarlo a archivos con otras caracteristicas y que sean compatibles con los diferentes softwares a utilizar.

El archivo .vcf se tranforma a archivos plink por medio de la linea de comandos en vcftools,

vcftools --vcf Beaucarnea_recurvata.MCR50.snps.vcf --plink --out Beaucarnea_recurvata.MCR50.snps

NOTA: Esta linea de comandos transforma al paquete de archivos plink binario (.ped, .map y .log).

Para transformar a los demás archivos de la familia plink (.bed, .fam y .bim) se necesita la siguiente linea de comando en el programa plink.

plink --file  BeauMCR50t1.plk.ped --make-bed --out PBinaryBeauMCR50

Para poder hacer análisis de ancestría en el programa sNMF, es necesario tener un archivo de los genotipos, por lo tanto es necesario transformar el archivo .vcf o el archivo .ped de la familia plink.

En este caso se genero el archivo .geno a partir del .vcf, con la siguiente linea de comando (~/sNMF/Transform vcf_a_genofile):

./bin/vcf2geno Beaucarnea_recurvata.MCR50.snps.vcf BeaucarneaMCR50All 

NOTA:

• Para ejecutar esta linea es necesrio estar dentro de la carpeta sNMF
• De la ejecución de este comando se generan tres archivos un .vcf.snp, .removed y otro que no muestra una extensión particular, es necesario agregarle al final la extensión .geno para que pueda correr en el programa sNMF.

El análisis de ADMIXTURE se utilizo tomando en cuenta el archivo plink con la extensión .bed.

• Se corrio un script en la Terminal de Unix, el cual contiene un for loop para realizar en una sóla corria el análisis par varias agrupaciones (Ks), y una linea de comando para obtener la validación cruzada para cada una de las Ks.

for K in 1 2 3 4 5 6 7;
do ./admixture --cv=7 BeauMCR50.ALL.bed $K | tee log${K}.out; done
grep -h CV log*.out > /BeaucMCR50.ALL.txt

NOTA: El archivo ejecutable es ~/Admixture/AdmixSeveralK_y_CV.sh

El programa FastStructure se corrio utilizando los archivos plink contenidos en ~/Data/Plink_MCR50, estos archivos deben de estar en la carpeta de FastStructure.

• Se corrio un script en lenguaje phyton ( ~/Bin/FastStructure/FastStrseveralK.sh) que contiene un For Loop para realizar en una sola corrida el análisis de una a siete Ks.

for K in 1 2 3 4 5;
do python structure.py -K $K --input=PBBeau --output=FStrB --full --seed=100; 
done

• Se obtienen los archivos .varP, .varQ,.meanQ, .meanP y .log para cada una de las Ks analizadas.

• Para conocer la K o Ks más porbable, se realiza un análisis de elección de K, por medio de chooseK.py

python chooseK.py --input=FStrB

NOTA: A diferencia de ADMIXTURE, en FastStructure la K más probable es dada en intervalos como se muestra en el ejemplo siguiente:

Model complexity that maximizes marginal likelihood = 5
Model components used to explain structure in data = 3

• Para observar cual de las Ks explica mejor nuestro modelo, se grafica en R el archivo ~/out/Admixture/BeaucMCR50All.txt, con el siguiente script ~/Bin/Admixture/Cross-Validation.R.

• Después, las K o Ks que mejor explican se grafican en R siguiendo el script ~/Admixture/PlotAdmix.R.

• Después, las K o Ks que mejor explican se grafican en R siguiendo el script ~/FastStructure/PlotStr.R.

continuará...

Elaborado por: Myriam Campos Aguilar. IE, UNAM.