利用R包QstFstComp包进行Qst-Fst分析

1.Qst-Fst分析

安装和加载`QstFstComp`包

首先，你需要安装devtools包，如果尚未安装，可以使用以下命令安装：

install.packages("devtools")

2. 然后，使用`devtools`安装`QstFstComp`包：```R
library(devtools)
install_github("kjgilbert/QstFstComp")
library(QstFstComp)

准备输入文件

FST输入文件

遗传标记数据应以.csv格式提供，第一行为列名。
FST有两种计算方法，需要选择使用哪一种：
- 默认是Weir和Cockerham (1984)方法（AFLP = FALSE）。
- 如果使用AFLP标记数据，则需要指定AFLP = TRUE，并按照特定格式提供数据。

QST输入文件

表型数据也需要以.csv格式提供，包含个体的表型值和它们所属的群体。

运行QstFstComp分析

读取FST数据文件：

MarkerInfo <- read.csv("Your_FST_FileName.csv")

 替换`"Your_FST_FileName.csv"`为你的FST文件路径。2. 读取QST数据文件：```R
TraitInfo <- read.csv("Your_QST_FileName.csv")

替换"Your_QST_FileName.csv"为你的QST文件路径。

运行QstFstComp函数：

QstFstComp(fst.dat = MarkerInfo, qst.dat = TraitInfo, numpops = XXX, breeding.design = "half.sib.dam", nsim = 10000)

 - `XXX`替换为你研究中包含的群体数量。- `"half.sib.dam"`或`"half.sib.sire"`根据你的半同胞设计选择。- `nsim`指定模拟次数，默认为10000。### 输出和可视化- `QstFstComp`函数会输出QST-FST的分布，并自动将结果输出到一个文本文件中。
- 你可以根据需要添加`output = "full"`参数以获得更详细的输出值。以上步骤和代码提供了使用R进行QST-FST分析的基本框架。具体参数和文件格式可能需要根据你的数据和研究设计进行调整。更多详细信息和示例分析，可以参考`QstFstComp`的帮助页面（`?QstFstComp`）[^9^]。

2.解读QST-FST分析结果时，需要关注以下几个关键点：

QST与FST的比较：
- QST代表表型分化度，而FST代表遗传分化度。QST-FST分析的核心是比较这两个值，以判断表型分化是否大于、小于或等于遗传分化。
- 如果QST显著大于FST，可能表明存在定向选择或分裂选择；如果QST显著小于FST，可能表明存在稳定选择；如果QST与FST相近，可能表明中性进化或平衡选择。
统计显著性：
- 分析结果会提供QST与FST差异的统计显著性，包括单尾和双尾p值。这些p值用于判断QST与FST之间的差异是否具有统计学意义。
- 通常，如果p值小于显著性水平（如0.05），则认为QST与FST之间的差异是显著的。
置信区间：
- 分析结果还会提供QST和FST的置信区间，这有助于评估估计的精确度和可靠性。
- 如果置信区间较窄，表明估计较为精确；如果较宽，则表明估计的不确定性较大。
模拟分布：
- QST-FST分析通常涉及模拟中性条件下的QST和FST分布，以构建中性模型下的预期分布。
- 结果中的模拟分布可以帮助理解在中性条件下QST与FST的预期差异，并与实际观察到的差异进行比较。
可视化：
- 可视化是理解QST-FST分析结果的重要工具。散点图、箱线图等可以展示QST和FST在不同群体或位点上的变化。
- 例如，可以绘制FST值在基因组上的分布，以识别可能受到选择的区域。
结果解释：
- 结果的解释需要结合生物学背景和生态学知识。例如，如果某个基因或基因区域的FST值显著高于其他区域，可能表明该区域受到选择压力。
- 同时，需要考虑可能的假阳性和假阴性结果，并结合其他遗传学和进化生物学的证据进行综合分析。

综上所述，解读QST-FST分析结果需要综合考虑统计显著性、置信区间、模拟分布和可视化等多个方面，以得出科学合理的结论。

3.QST-FST分析相关的文献和教程

Gilbert KJ and MC Whitlock (2015)：
- 文章标题：QST FST comparisons with unbalanced half-sib designs.
- 发表于《Molecular Ecology Resources》。
- 这篇文章描述了QST-FST分析的方法和应用，是QST-FST分析的重要参考文献。
Whitlock MC, Guillaume F (2009)：
- 文章标题：Testing for spatially divergent selection: comparing QST to FST.
- 发表于《Genetics》。
- 该研究提供了QST-FST比较的理论基础和方法论，是理解QST-FST分析的关键文献。
Martin G, Chapuis E, Goudet J (2008)：
- 文章标题：Multivariate QST-FST comparisons: a neutrality test for the evolution of the G matrix in structured populations.
- 发表于《Genetics》。
- 这篇文章提供了多变量QST-FST比较的方法，对于研究群体结构和选择压力非常有用。
Ovaskainen O, Karhunen M, Zheng C, Arias JMC, Merilä J (2011)：
- 文章标题：A new method to uncover signatures of divergent and stabilizing selection in quantitative traits.
- 发表于《Genetics》。
- 该研究提出了一种新方法来揭示数量性状中分化和稳定选择的信号。
GitHub - kjgilbert/QstFstComp：
- 这是一个R包，用于执行QST-FST分析。
- 提供了QstFstComp包的安装和使用指南，是进行QST-FST分析的实用工具。
Edelaar et al. (2011)：
- 文章标题：Comparisons between Q and —how wrong have we been?
- 这篇文章讨论了QST和FST估计中的潜在问题和偏见，对于理解QST-FST分析的局限性和挑战非常有帮助。
Zheng X, Levine D, Shen J, Gogarten SM, Laurie C, Weir BS (2012)：
- 文章标题：A high-performance computing toolset for relatedness and principal component analysis of SNP data.
- 发表于《Bioinformatics》。
- 这篇文章提供了处理SNP数据的高性能计算工具集，对于QST-FST分析中的基因型数据处理非常有用。

这些文献和资源为您提供了QST-FST分析的理论基础、方法论指导以及实际操作工具。希望这些资源能够帮助您更好地理解和应用QST-FST分析。

4.如何应用QST-FST分析来评估物种适应性的变化？

应用QST-FST分析来评估物种适应性的变化是一个复杂的过程，涉及到多个步骤和考虑因素。以下是一些关键点和推荐的文献或教程，可以帮助你理解和应用这一分析方法：

理解QST和FST：
QST代表表型分化度，而FST代表遗传分化度。通过比较这两个值，可以评估物种适应性的进化特征。
QST-FST比较的理论基础：
许多研究比较了多个种群的推定中性（FST）和定量遗传（QST）分化，以确定涉及局部适应的候选性状。
实验设计：
在进行QST-FST分析时，需要在自然种群中进行实验，以评估表型和遗传分化。例如，在金鱼草的两个亚种中进行的普通花园实验，可以帮助识别与局部适应有关的候选物候和形态特征。
数据分析和解释：
分析结果时，需要考虑QST和FST的比较结果。如果QST显著大于FST，可能表明存在定向选择或分裂选择；如果QST显著小于FST，可能表明存在稳定选择；如果QST与FST相近，可能表明中性进化或平衡选择。
统计方法：
使用群体遗传学中的统计方法，如Tajima's D检验，可以帮助区分不同类型选择的影响。
软件和工具：
可以使用R包QstFstComp进行QST-FST分析。这个包提供了进行QST-FST分析的工具和方法。
案例研究：
研究案例，如《分子标记和数量性状揭示了羊茅沿气候梯度的适应性分化》，提供了如何使用分子标记和表型测量评估种群的中性变异和推定的适应性变异的实例。
生态分化选择：
研究如《生态分化选择对沙米(Agriophyllum squarrosum)表型多样性的影响》，探讨了通过数量性状差异（QST）与分子遗传差异（FST）组间和组内比较发现群体处于稳定的一致选择之中，而北部群组存在明显的地方适应性。