不同长度序列的 Tajima D

Question

我正在尝试在 R 中使用 adegent 来计算 Tajima 的 D。我有一个 DNA.bin 对象，其中包含来自不同人群的序列。由于其中的 SNP 和插入缺失，这些序列的长度不同。运行 tajima.test 函数时出现以下错误：

as.matrix.DNAbin(x) 中的错误： 列表中的 DNA 序列长度不同。

如何为不同长度的序列计算 Tajima 的 D？

这是我到目前为止所做的：

   x <- structure(c("55548", "43297", "35309", "34468", "AATTCAATGCTCGGGAAGCAAGGAAAGCTGGGGACCAACTTCTCTTGGAGACATGAGCTTAGTGCAGTTAGATCGGAAGAGCA", "AATTCCTAAAACACCAATCAAGTTGGTGTTGCTAATTTCAACACCAACTTGTTGATCTTCACGTTCACAACCGTCTTCACGTT", "AATTCACCACCACCACTAGCATACCATCCACCTCCATCACCACCACCGGTTAAGATCGGAAGAGCACACTCTGAACTGTAAACCCAGTC", "AATTCTATTGGTCATCACAATGGTGGTCCGTGGCTCACGTGCGTTCCTTGTGCAGGTCAACAGGTCAAGTTAAGATCGGAAGA"), .Dim = c(4L, 2L))
   y <- t(sapply(strsplit(x[,2],""), tolower))
   my.dnabin <- as.DNAbin(y)
   tajima.test(my.dnabin)

Answer 1

田岛的 D 使用成对的核苷酸比较，因此要求您在运行前DNA is properly aligned。你的目前不在，所以你得到一个错误。大多数 DNA.bin 方法都假定您的 DNA 已对齐 - 这应该是您的第一步。

要对齐您的 DNA，请尝试使用 ape 中的 clustal 命令 - 您需要安装 clustal。我使用了clustal omega，因为我认为 R 不是进行 DNA 比对的最佳方式。

您将得到一个对齐的 DNA 序列，该序列现在适用于 Tajima 的 D（注意间隙，用于对齐序列）：

x <- structure(c("55548", "43297", "35309", "34468", 
                 "AATTCAATGCTCGGGAAGCAAGGAAAGCT---GGGGACCAACTTCTCTTGGAGACATGAGCTTAGTGCAGTTAGATCGGAAGAGCA-----------------------",
                 "AATTCCTAAAACACCAATCAAGT----TG---------GTGTTGCTAATTTCAACACCAACTTGTTGAT------------CTTCACGTTCACAACCGTCTTCACGTT-",
                 "-----AATTCACCA-------------CCACCACTAGCATACCATCCACCT--CCATCACCACCACCGGTTAAGATCGGAAGAGCACACTCTGAACTGTAAACCCAGTC",
                 "AATTCTATTGGTCATCACAATGGTGGTCCGTGGCTCACGTGCGTTCCTTGTGCAGGTCAACAGGTCAAGTTAAGATCGGAAGA--------------------------"), .Dim = c(4L, 2L))

现在您的测试将运行：

   y <- t(sapply(strsplit(x[,2],""), tolower))
   my.dnabin <- as.DNAbin(y)
   tajima.test(my.dnabin)
$D
[1] -5.624054

$Pval.normal
[1] 1.865271e-08

$Pval.beta
[1] 0