使用vcftools计算FST

vcftools可以计算群体间固定指数（Fst）， 来筛选和优先处理遗传标记（如SNP）。下面内容主要来自于 deepseek 。

理论介绍

核心方法：Weir和Cockerham的Fst算法

• 方法来源：
  由统计遗传学家Bruce Weir和Cockerham于1984年提出的经典Fst计算方法，该方法通过方差分析（ANOVA）量化群体间的遗传分化。
• 为什么选择它：
  • 统计严谨性：考虑样本量和群体结构
  • 广泛验证：适用于多种生物（人类、动植物、微生物）

Fst（固定指数）的本质

• 定义：衡量不同亚群间遗传变异的差异程度

  • 低Fst（0-0.05）：群体间基因流强（如人类非洲群体间的变异）
  • 高Fst（>0.15）：强遗传分化（如人类欧洲与东亚群体的差异）

• 计算公式：
  其中=总群体杂合度，=群体内平均杂合度

  基于 https://www.jianshu.com/p/bb0beec0ed63 ，计算 FST 只需要每个群体的基因频率就能计算（但我看不同网页的计算方法还是有区别，而且貌似这样手动计算的结果和软件结果并不一致）

  1）找出每个亚群的等位基因频率。

  2）查找复合群体的平均等位基因频率

  3）计算每个亚群的杂合度（2pq）

  4）计算这些亚群杂合度的平均值，这是HS。

  5）根据总体等位基因频率计算杂合度，这是HT。

  6）最后，计算FST =（HT-HS）/ HT

  

  另一个网页 https://blog.csdn.net/u014182497/article/details/52672308 ，这里计算方式与上面有区别，如下：

  • 这里.2）查找复合群体的平均等位基因频率 不是使用每个群体的等位基因型的算数平均值，而是就是用这个整个复合群体的等位基因频率（用全部样本算等位基因频率）
  • 这里4）计算这些亚群杂合度的平均值，这是HS。 不是用的算数平均值，而是加权平均值，分子为每个亚群期望杂合度乘以亚群样本数目的求和，分母为整个复合群体的样本数目。

筛选SNP的实际应用

Fst范围	遗传学意义	应用场景
0-0.05	弱分化	排除（背景噪音）
0.05-0.15	中度分化	潜在功能位点
>0.15	强分化标志	优先研究

筛选逻辑：

“高Fst SNP” → 群体间显著差异 → 可能受自然选择 → 功能重要性验证

实用案例解析

假设用此方法分析非洲 vs. 欧洲人群的SNP数据：

• 发现：位于乳糖酶基因（LCT）的SNP rs4988235的Fst=0.32
• 解读：
  • 高Fst反映欧洲人群乳糖耐受突变的选择压力
  • 优先对此SNP进行功能研究

与其他方法的比较

方法	优势	劣势
Weir-Fst	校正样本偏差	计算速度较慢
Hudson-Fst	计算效率高	忽略群体层次结构
PCA	直观可视化群体结构	难以量化具体位点分化程度

结论：Weir-Cockerham方法因其统计严谨性，成为群体遗传学分析的金标准。

以下是使用 vcftools 计算 Weir-Cockerham 群体分化指数（Fst） 的完整流程，结合群体遗传学原理和实操步骤，涵盖数据准备、命令执行、结果解读及可视化方法。内容综合自权威生信教程与文献 。

实际计算

数据准备

输入文件要求

• VCF 文件：包含所有样本的基因型数据（需经质控过滤，如 MAF > 0.05、缺失率 < 20% 等）。

• 群体分组文件：两个文本文件（如 pop1.txt、pop2.txt），每行一个样本 ID（需与 VCF 中的样本名一致）。

  示例 pop1.txt 内容：

  Sample1
    Sample2
    ...

Fst 计算命令

1. 单点位点 Fst 计算

逐个位点计算，每个位点的FST是无偏估计量，但受抽样误差影响大，易出现负值（理论下限为0，负值需视为0）。

vcftools --vcf filtered.vcf \
  --weir-fst-pop pop1.txt \
  --weir-fst-pop pop2.txt \
  --out single_snp_fst

• 输出文件：single_snp_fst.weir.fst

  • 列说明：
    CHROM | POS | WEIR_AND_COCKERHAM_FST（Fst 值）
  • 注意：单点 Fst 值波动较大，可能包含负值（理论应为 0-1），负值通常视为 0 。

2. 滑动窗口 Fst 计算（推荐）

将基因组划分为固定长度（如50 kb）或固定SNP数量（如1,000个位点）的窗口，计算窗口内所有SNP FST的加权平均值。

加权方式：

• 等权重：直接取算术平均
• 杂合度权重：按每个SNP的 加权，减少低多态性位点的噪声影响。

vcftools --vcf filtered.vcf \
  --weir-fst-pop pop1.txt \
  --weir-fst-pop pop2.txt \
  --fst-window-size 100000 \  # 窗口大小（单位：bp）
  --fst-window-step 50000 \   # 步长（单位：bp）
  --out window_fst

• 输出文件：window_fst.windowed.weir.fst

  • 列说明：
    CHROM | BIN_START | BIN_END | N_VARIANTS（窗口内 SNP 数） | WEIGHTED_FST（加权 Fst） | MEAN_FST（平均 Fst）

• 参数建议：

  • 窗口大小：50kb–500kb（依基因组密度调整）

• 步长：一般为窗口大小的 50%（如 100kb 窗口 + 50kb 步长）。

两种方式比较

特性	单点FST	滑动窗口FST
稳定性	高方差，易受测序错误或低频等位基因影响	低方差，通过平均抑制随机噪声
负值处理	常见负值（抽样偏差），需手动设为0	负值被平均抵消，极少出现
连锁不平衡（LD）	忽略LD，假设位点独立	隐含考虑LD，窗口内SNP多为连锁区域

单点FST适用场景：

• 精细定位受选择位点（如因果突变）

• 群体分层校正（如PCA前筛选高分化位点）。

• 局限性：
  单个SNP的FST波动大（例如中性位点偶然偏高），假阳性率高，需结合p值或经验阈值（如top 1%）筛选。

滑动窗口FST适用场景：

• 检测受选择基因组区域（如驯化基因、环境适应区块）
• 比较不同亚群的分化模式（如地理隔离 vs. 人工选择）。
• 优势：
  • 增强信号连续性：自然选择常作用于基因簇（如MHC区域），窗口FST可捕获局部选择信号。
  • 支持可视化：可直接用于曼哈顿图或热图，展示全基因组分化模式。

注意事项

1. 负值处理：Weir-Cockerham 方法可能计算负 Fst 值（因样本抽样偏差），通常取值为 0 或过滤负值位点 。

2. 窗口选择：

   • 窗口过小 → 噪声大；窗口过大 → 掩盖局部选择信号。

• 建议尝试不同窗口参数，结合功能注释验证候选基因 。

3. 群体结构干扰：
   若群体存在亚结构（如 PCA 显示分层），需先校正群体结构，否则 Fst 可能偏高 。