pcangsd:使用PCA分析异构种群中低深度NGS数据的框架

PCAngsd 1.0版我在PCAngsd中重新做了很多并行化工作，并删除了一些笨拙的原型功能。 Python 3.x版本将仅在将来的更新中作为目标（但是，它可能仍与v.2.7兼容）。 使用主成分分析（PCA）分析异构/结构化种群中的低深度下一代测序（NGS）数据的框架。 通过使用截短的SVD模型以迭代方式估计各个等位基因频率，可以推断出种群结构。 使用估计的单个等位基因频率作为低深度NGS数据中未观察到的基因型的先验信息来估计协方差矩阵。 估计的个体等位基因频率可以进一步用于解释其他概率方法中的种群结构。 PCAngsd可以执行以下分析： 协方差矩阵 外加剂估算 近交系数（每个个体和每个站点） HWE测试 全基因组选择扫描 基因型检出 估计样本的NJ树 获取PCAngsd并进行构建 git clone https://github.com/Rosemeis/pcangsd.gi