从GWAS到论文排版：科研答疑与学习资源

本文为2019年社区讨论存档。工具状态、平台功能与版本相关；引用的预印本已核对正式发表信息。

软件作者发布新版本信息：

区树俊 ISU：大家好，EDTA终于更新了！在@苏维佳-ISU 和我的努力下，EDTA现在支持各种生物基因组的TE注释啦。欢迎试用和反馈👉 https://github.com/oushujun/EDTA 。有问题请直接开Issue，这样后面的人都能受益。多谢大家支持！该研究后来正式发表于Genome Biology，见参考文献。

EDTA原始预印本题名，正式发表版本见参考文献

另一个软件LTR retriever也早就available👉 https://github.com/oushujun/LTR_retriever 。测试来测试去还是发现自己家的最好😂。而且EDTA把这整个流程都整合了，不需要自己准备输入文件。perl EDTA_raw.pl -genome genome.fa -type ltr -threads 36 这就相当于只跑LTR_retriever，简化了很多。袁道军-ISU-HZAU：👍 安装便利、功能强大、计算高效李瑞东 Gilead：树俊，用perl开发的软件安装的时候需要提前装好各种module吗？区树俊 ISU：我没有用bioperl，所用到的modules都是系统自带的，其他的依赖全部用conda安装

恭喜新作发表，与作者交流探讨

杨金良-UNL：Assembly of allele-aware, chromosomal-scale autopolyploid genomes based on Hi-C data (Zhang et al. 2019. Nat Plants 5: 833-845) 恭喜@唐海宝教授！👏省伟-NJAU：唐老师，ALLHiC这个流程有没有试过小麦？唐海宝：@杨金良-UNL 谢谢！@省伟-NJAU 没有试过。一般异源多倍体（如小麦）如果亚基因组差异大，拼接并没有太大问题，就是不同单倍型不会装混。我们这个流程解决的是单倍型序列比较接近的情况（同源多倍体，如甘蔗、苜蓿、土豆）。区树俊 ISU：有机会试试蓝莓，异源四倍体祖先分化大概1MYA唐海宝：我也在蓝莓基因组文章上（Colle et al. 2019. GigaScience 8: 1–15），这个应该是Dovetail做的？区树俊 ISU：🤝才意识到我们是素昧平生的共同作者。ALLHiC能对付二代测序+HiC的情况吗？唐海宝：看情况，有特定的场景。现在有很多杂合/多倍体基因组拼接错误地将alleles组装在一起，让人觉得是“串联重复”。这种错误用ALLHiC就可以有效地避免。鲍志贵 OE：要用ALLHiC的话，前期组装必须用Canu一类对杂合和allele敏感的组装软件？唐海宝：对，要在contig水平把allele单独装出来。一般目前用PB/ONT都自动能办到。

关于GWAS分析

陈雨露-ISU：现在做glm的GWAS大家用的是什么软件或者R包呀杨金良-UNL ：gemma也可以glm吧省伟-小麦组学：最近有个新的R包rMVP可以做GWAS，挺全的，自动出图等梁智凯-UNL：刘小磊开发的MVP不错，不用来回整理数据格式谭瑞娟-MSU：Google搜Rtools, 下载安装，然后再装rMVP

关于FST分析

郭婷婷-ISU：求助，我算了基于一个基因全部SNP的Fst，用的是Nei的算法，值是0.42。有没有大神告诉我，这个值是不是太高了。也叫GST。杨金良-UNL ：算diversity的时候，不能只考虑variant sites, invariant sites should also be considered。崔融丰 MPI-AGE：有一个问题，你算 gst 的时候，是只算至少一个种群里面具有多态性的位点，还是连 fixed 的位点也算？比如，一个种群都是 A, 另一个都是 T , 這种位点有没有算进去啊？好像应该固定了的不同位点也要算吧？那些都是 Fst = 1 啊。杨金良-UNL ：只算有多态性的，那就肯定偏高。要用sequence本身来算。崔融丰 MPI-AGE：这要看你的两个种群的分化程度。兩个种群开始分化的时候会有很多共有的多态性位点，然后慢慢的就会随机固定，並且各个种群就会慢慢积累自己独有的突变，所以计算時还要考虑那些固定了的不同。物种完全分开后，就没有共享的多态位点了，Fst 就变成 1 了。我觉得只要你计算过程正确，算出來是多少就多少呗很多時候物种就是分类学家说了算。郭婷婷-ISU：可不可以这样理解，单个位点都可以算个Fst，我这样算属于多个位点combine averaged Fst。黄恺驰_UBC: 可以的但单个基因的范围和全基因组水平的分化比还是比较局限。主要还是看你想回答什么问题，0.4这个值没有对比没法说高还是低。崔融丰 MPI-AGE：是的，单个位点可以算，然后可以多个位点合并。但我记得不是简单的平均。我好像使用的是Weir方法。区树俊 ISU：可以参考 Huang et al. 2012. Nature 490: 497–501郭婷婷-ISU：我也找到一篇文章：Estimating and interpreting FST: The impact of rare variants（Bhatia et al. 2013 Genome Res 23: 1514-1521）

前方高能!! 学习资源大分享

Part 1 数量遗传学

宗宇_OSU_ZJNU：我最近也在估算Fst，是种群间的。用的是ANGSD，两个种之间的差异，有些高值到了0.7甚至0.9。计算方法是基于Fumagalli et al. 2013 Genetics 195: 979–992。对算法和公式一脸茫然😳。杨金良-UNL ：可以看一下Graham Coop的popgen notes (https://gcbias.org/population-genetics-notes/)。对数量遗传感兴趣的，参见本人的一些课件（https://jyanglab.com/AGRO-931-2018/）。从Falconer&Mackay的第八章开始，Statistical Foundation。区树俊 ISU：谢谢分享！工作量好大啊，能否分享一下怎么准备的课程？杨金良-UNL ：我给自己挖了一个坑，哼哧哼哧填上的。。。写书编教材技术层面建议Github，Overleaf，CSS, Rmd, R package: xaringan 等等先了解一下。内容方面的话，我上过这门课，简化了参考书。

Part2 生信可视化R代码

李瑞东 Gilead ：分享下最近整理的常用的生物信息数据可视化的R代码。方便大家画图时使用。浏览器中打开 https://rli012.github.io/BioinfoHub-pages/book/ 即可。目前收录的比较偏下游。转录组分析用到的可能更多些。基因组分析等还没总结，欢迎指正和多多交流！编者补充：常用R包ggtree画系统发生树的朋友，可以参考余光创Y叔的教材 https://yulab-smu.github.io/treedata-book/

生信分析标准化流程

杨金良-UNL ：我们建CGM还有一个初衷，目前尚未实现：就是把基因组的可视化脚本、或其他常规流程标准化起来。吴昕-GrandOmics&NextOmics：建议编流程使用WDL/CWL规范，不要重新发明轮子。孟浩巍 PKU：我觉得Snakemake也很好用呀。我自己录过一系列免费教程视频 https://ke.qq.com/course/393358

同步文件、记笔记的工具

樊维姝-UNL-KIB：请问不同设备之间文件同步，有什么推荐的工具吗？我目前用的是坚果云，但有数据限制。庄轩-UC：我一直用Dropbox很多年了。刘科辉-SYSU：百度云，勉强顶用，还免费。鲍志贵 OE：OneDrive也还不错。赵飞-sibs：GoodSync可以学习一下。雷栗_JGI：我用OneNote，现在同步很好，无论什么平台，只要有网就行。省伟-NJAU：印象笔记也不错嘛，手机端、电脑端都支持，它的剪藏功能很赞，支持收藏微信的文章。何逸建-RAI：Evernote比较适合第一时间快速记录琐碎的信息，所谓第二大脑。而OneNote很接近真实的笔记，更适合思考后整理笔记。两者可以互补。祁新帅BHB、省伟-NJAU：推荐一下Typora，好用的很。尤其图片插入功能，配合在线图床使用很方便。邹枨-Cornell：我用Typora记工作流程，Evernote记各种杂事，用Zim管理本地文件和资源。

添加引用工具全指南

刘科辉-SYSU：各位，我发现Endnote添加reference，会有各种小细节的格式错误，如何破解？陆俊豪-university Alberta：识别有错误很正常，都要手工矫正的啊。。陈林兴-UCB：感觉Google Docs的插件还是挺好用的。沈星星@VanderbiltU：可以自己写一个脚本，根据doi自动从NCBI抓下来，然后想怎么format都行。我博士的时候用过Mendeley，也可以根据doi或PubMed id自动同步提取。杨金良-UNL ：LaTeX + Google Scholar，再也不用担心文献引用的问题。区树俊 ISU：Endnote，Paperpile，还有其他，都会有各种格式小错的。Robin Buell教给我的方法是，每当发现citation错误，一定要回到软件或数据库里修改，这样只需要改一次，下次再用就没问题了，永远不要在文章里修改。余光创_SMU_bioinfo：Linux系统下可以用LibreOffice + Zotero。

LaTeX入门

刘科辉-SYSU：有没有推荐入门的LaTeX软件？邹枨-Cornell，魏馨竹 UCB：Overleaf 可以online写，也有很多template。崔融丰 MPI-AGE：使用LaTeX好处是什么呢？李勤UBC：排版便利、非常规范。对数学公式友好。如果用过markdown的话，上手不会太难。杨金良-UNL ：LaTeX是必须要有的啊！尤其是你的ms上需要一个红酒杯印的时候：

LaTeX红酒渍排版示例