XP-CLR选择信号分析

检测基因组选择信号的方法有很多种，其中 XP-CLR 方法是常用的一种。XP-CLR 是陈华老师、Nick Patterson 和 David Reich 在 2010 年发表的方法，全称叫 the cross-population composite likelihood ratio test（跨群体复合似然比检验），是一种是基于选择扫荡（selective sweeep）的似然方法。选择扫荡可以增加群体之间的遗传分化，导致等位基因频率偏离中性条件下的预期值。

XP-CLR 利用了两个群体之间的多基因座等位基因频率差异（multilocus allele frequency differentiation）建立模型，使用布朗运动来模拟中性下的遗传漂移，并使用确定性模型来近似地对附近的单核苷酸多态性（SNPs）进行选择性扫描。

XP-CLR 不仅可以用在人类上，它在动植物驯化研究中也用得较多，比如玉米、大豆、家犬、牛等。

1. 安装

wget https://reich.hms.harvard.edu/sites/reich.hms.harvard.edu/files/inline-files/XPCLR.tar
tar xvf XPCLR.tar
cd XPCLR
cd src
make
make install

2. 输入文件

XP-CLR 的计算需要2个 geno 文件和 1 个.snp (map) 文件。
.geno file
一个群体的基因型数据放在一个 geno 文件中。每一行包含一个 SNP 的 genotype（0或1），每两列代表一个人。数据可以是 phased 的，也可以未 phased。如果是 phased 后的，每一列是一个 haplotype。如果是未 phased 的，同一个人的两个 alleles 可以随意在两列中排放。示例数据 CEU.9 和YRI.9用的是空格间隔符。
比如下面这个，代表了 3 个人的 2 个 SNPs：

1 0 1 1 9 9
1 1 1 0 0 0

.snp file
每一行是一个 SNP的信息，每一列分别是 SNPName chr# GeneticDistance(Morgan) PhysicalDistance(bp) RefAllele TheOtherAllele。示例数据 9.xpclr.b36.snp 用的是 tab 间隔符。
比如：

rs10814410 9 0.000109 36587 C T
rs9408752  9  0.000938    91857  A  G
rs2810979  9  0.001323    152695  G  A

3. 运行

常用分析命令：

XPCLR -xpclr genofile1 genofile2 mapfile outputFile -w1 0.005 500 10000 chrN -p1 0.95

参数解释：

-xpclr ：后面接是两个群体的 .geno 文件（genofile1 和 genofile2）、 .snp 文件（mapfile）、输出文件（outputFile）
-w1：后面接的参数依次为：gWin 是 Morgan 为单位的window size (一般可以设为 0.005)；snpWin 代表一个 window 中最大的 SNP 数量；gridSize 是 bp 为单位的两个 grid points 的间距；chrN 是染色体数。
-p：-p1 代表 phased 的数据，-p0 代表未 phased。
corrLevel：加权复合似然比检验中的 criterion，一般可设为0.95。

基本参数说明

xpclr  -h
usage: xpclr [-h] --out OUT [--format FORMAT] [--input INPUT]
             [--gdistkey GDISTKEY] [--samplesA SAMPLESA] [--samplesB SAMPLESB]
             [--rrate RRATE] [--map MAP] [--popA POPA] [--popB POPB] --chr
             CHROM [--ld LDCUTOFF] [--phased] [--verbose VERBOSE]
             [--maxsnps MAXSNPS] [--minsnps MINSNPS] [--size SIZE]
             [--start START] [--stop STOP] [--step STEP]

--out: 输出文件
--format： 输入格式，vcf，hdf5，zarr，txt（对应2种基因型，和一个snp位点文件）
--input：输入vcf，或者hdf5， 选择txt时，不选择，
--samplesA： 样本A名称文件； txt时，不选择
--samplesB：样本B名称文件； txt时，不选择
--map: 基因位点文件
--popA： 样本A基因型文件，txt时使用
--popB： 样本B基因型文件，txt时使用
--chr： 染色体，和输入文件一致即可，每次分析一个
--ld： LD值，进行权重分析
--maxsnps： 一个窗口最大的SNP
--minsnps： 一个窗口最小的SNP
--size： 窗口大小
--step： 步长

其中，群体A为reference，群体B为目标群体。

运行示例文件

## 输入VCF文件
xpclr --out test -Sa samplesA.txt -Sb samplesB.txt \
  -I small.vcf.gz -C 3L --ld 0.95 --phased --maxsnps 600 \
  --size 200000 --step 20000
### 输入txt文件
xpclr --format txt --out test --map mapfile.snp \
  --popA genotype1.geno --popB genotype2.geno \
  --chr 1 --ld 0.95 --phased --maxsnps 600 \
  --size 200000 --step 20000

4. 结果

结果文件中倒数两列分别为xpclr标准化值，以及xpclr的值

5. 参考

Chen, H., Patterson, N. and Reich, D., 2010. Population differentiation as a test for selective sweeps. Genome research, 20(3), pp.393-402.
https://www.jianshu.com/p/9c827a0be66d
https://www.zhaozhuji.net/254.html/