我需(⬅)要 绊(🏔)的Allele，有人分享漫画(💋)的(😏)百度(😯)网盘吗？(🏄)我(😩)需要！！
绊的Allele百度网盘在线观(🤒)看资源，免费分享给您：
https://pan.baidu.com/s/1O71YY3rS7ScoN1uWag56Dw?pwd=1234
这是一个，少(👀)女们由“牵绊(👹)”相(🐺)连(📖)的故事。
如(🅾)彗星般在虚拟世界中登(❇)场，人气飞涨的绊爱。
在蝉联5年“Virtual Grid Award”顶(😣)峰—(😑)—金兔奖（Lapin d'Or）后，突然从(🆘)人(🔼)们的眼前中悄然(🚱)离去。
此后时间流逝——
这里是(🥍)专为虚拟世界输出优秀人才设立的学(✏)校，ADEN学(🤺)园(🍀)。
种群动态历史评估方法之(💣) SFS（Site/Allele Frequency Spectrum）
SFS的基(📌)本理解、(🎚)介(💜)绍的一(🤚)篇(🛠)文章： https://theg-cat.com/tag/joint-sfs/
如果(🎓)不做(🕸)算法，基本的原理这里应该(👛)也差不多了(🍆)，先(👛)跑个试试(🌚)
fastsimcoal2.6 SFS群体历史动态模拟教程：
https://speciationgenomics.github.io/fastsimcoal2/
评估SFS教程：
https://speciationgenomics.github.io/easysfs/
Stairway plot Github网站：
https://github.com/xiaoming-liu/stairway-plot-v2
使用ANGSD进(🔨)行SFS Estimation。这个软件考虑了missing data和低depth位点。以bam文件为input。
https://github.com/ANGSD/angsd
安(🛺)装
后面(🎚)按照教程来就行。参(😊)照官网example： http://www.popgen.dk/angsd/index.php/SFS_Estimation
如果missing data不多，可以直接用easySFS。
https://github.com/isaacovercast/easySFS
看一下有没有很多(🦂)frequency很低(⏬)的(🔊)值，需不需要down sample。
我(🐢)这里没有(🚩)，所以直接对VCF中第一、第二个种群分(😢)别取(🌪)20、16个(🐠)sample（其实是10、8个个体，二倍体所以sample数(🚴)量乘(🙂)二）：
这个 ./pops_file.txt 是告诉软件VCF里哪几个(🎮)个体是一个种群的文件。格式官网教程有。
不管哪(🚶)种(🧗)方法，最后希望得到(👟)的是这样的(💼)：
这是SFS observation文(😂)件，后缀为.obs。一共(🔪)应该有2N 1列(🕢)，N为样本个(🌡)体数。后一半都是0是因为(🎁)这是folded SFS。因为我(😰)不知(🧞)道(🚅)群体的祖(⬅)先状态(🕟)序列(🛃)。如何(🔦)设(🥎)置(🌄)folded或(😵)者unfolded，几个软件的教(🍟)程里都有。
使用(🌉)Fastsimcoal2.6，利用SFS模拟种群(🖇)动(🚯)态历史需要三个输入文件：(🌵)
这三个文件(🤬)的前缀必须相同(🤥)，在这里为"6.GL1.folded.HN"。如果为unfolded SFS，SFS观测文件后缀应(⚪)该是(🔑)DAF之类(🥪)的而不是(👾)MAF，具体得看说(🔌)明书。
一般(🚷)来说，有两种构(⭐)建模型的(🤕)方法：
1）可以构建很多模型（可能3～(🐺)10个）来对种群历史建模，然后比较每(💳)个模(🎊)型的lnL（也就是LRT检验），看那个模型最合适。比如第一个(🛶)模型是有效群体大小先上升后下(🚐)降在上升(💼)，第二(🍃)个是先下(🍯)降在上升(📗)等等。对(😌)于单个群体（不考虑migration）的(🌱)简单模型，一般也就是设(😯)置几(🙏)个bottleneck时间点，扩张时间点(🎗)以及对(🖋)应的种群大小参数。
2）(🔩)只构建一个(🈴)模型，限制“时间点”prior的范围(📅)，但是放松Ne prior的范围，并(🐡)保持(🖐)一(🐭)致，让算法自己探(🐽)索种群在某个时间点是扩张(🍝)还是收缩。在RULES中只对(🔆)时间做限制(🏞)，而不对Ne做限制。这种就需要(📰)增加运行的次数，让模型达到收敛，比如设(📕)置-L 100。例如：
.est文件：(👐)
.tpl文件：
设置好配置(🌧)文件(🍫)以后，开跑：
生成(🏕)文件里(💲)有likelihood的(🏫)评估，拿过来比较(🤛)模型就行了。对最优模型可以再(🤔)跑bootstrap，说(🤩)明书里有。
我个人觉(💈)得对于(👫)单个种(🏝)群而言，用SFS不一定是好的选择。PSMC从原(🥤)理上更(⛓)加靠谱一些。而fastsimcoal模型的优(👵)势在于其可以考虑多个种群的migration、融合与分裂、群体(🍄)大小变化等(🌈)等。个人见解，欢迎(🍻)讨论。
1月(🌭)21日(💃)更新
fastsimcoal模型比对结果还(㊙)可以，但是并不是很直观，我试了下Stairway plot v2.1，感觉(🧑)挺靠谱，也很简单。
网(🔋)站：
https://github.com/xiaoming-liu/stairway-plot-v2
很凑(🌩)巧(📩)，这篇文章，stairway plot2是去年（2020）发布的
git clone或者通过他给的链(🏂)接下下来，然后准备(🗨)一个配置文件(💘)，就可以开(📞)跑了
SFS就用我们(🅱)之前得到的。
参数配置README文件里(🚗)面都(🎱)有写，SFS也直接贴里面就行，比fastsimcoal方便。
具体算法孰优孰劣，得了解算法，再看看人家比对的文章。好像有文章说单个参数的简(✉)单模型(🛎)或者多个种群用fastsimcoal靠(🍇)谱，单个(🔡)种(🐇)群可能stairway plot好一些(📅)。个(🔍)人(🧟)理解。
tips：如(📩)果报错了很可能是命名问题(😫)导致没有找(🐼)到java class的路径，可以修(🦋)改回(🔅)原命名试试。
