如何基于现有数据编写R包ape中ace函数的脚本计算祖先节点indel存在概率
基于ape包计算祖先节点indel存在概率的实操脚本
前置数据准备
- 你需要提前整理2份输入文件,放在同一文件夹下:
- MEGAX输出的Newick格式系统发育树文件(例如命名为
ml_tree.nwk) - 二元indel特征矩阵:存为csv格式,第一列为序列名,必须和发育树的tip标签完全一致,后续每列为1个indel的有无取值,存在记为1、不存在记为0,你已编号的A-S、以及首尾区域需要统计的位点都可以按列加入该矩阵
- MEGAX输出的Newick格式系统发育树文件(例如命名为
完整R脚本(带注释)
# 加载已安装的包 library(ape) library(ggtree) # 第一步:设置工作路径为你的输入文件所在文件夹,注意路径用斜杠/或者双反斜杠\\ setwd("C:/your_file_path/") # 替换为你自己的文件路径 # 第二步:读入系统发育树 tree <- read.tree("ml_tree.nwk") # 替换为你自己的树文件名 # 第三步:读入indel二元矩阵 indel_mat <- read.csv("indel_binary.csv", row.names = 1, header = TRUE) # 替换为你自己的矩阵文件名 # 第四步:校验序列名和树的tip标签是否匹配,返回TRUE才可继续运行 all(rownames(indel_mat) %in% tree$tip.label) # 第五步:循环计算每个indel在所有祖先节点的存在概率 # 先创建空结果表,存储所有节点的概率结果 anc_prob_result <- data.frame(node = unique(as.vector(tree$edge))) # 遍历每个indel列计算 for (indel_id in colnames(indel_mat)) { # 提取当前indel的性状值,匹配树的tip顺序 current_trait <- setNames(indel_mat[tree$tip.label, indel_id], tree$tip.label) # 运行ace函数做二元离散性状祖先重建,model可根据需求调整:ARD为插入/缺失速率不同,ER为速率相同 ace_output <- ace(x = current_trait, phy = tree, type = "discrete", model = "ARD") # 提取indel存在(取值为1)的概率存入结果表 anc_prob_result[, paste0(indel_id, "_present_prob")] <- ace_output$lik.anc[, "1"] } # 第六步:导出结果到csv文件,可直接用excel打开查看 write.csv(anc_prob_result, "ancestor_indel_exist_prob.csv", row.names = FALSE) # 可选:可视化某个indel的概率在树上的分布(以indel A为例) ggtree(tree) + geom_nodepoint(aes(color = anc_prob_result$A_present_prob[match(node, anc_prob_result$node)]), size = 3) + scale_color_viridis_c(name = "Indel A存在概率") + geom_tiplab(size = 2, offset = 0.001)
常见注意事项
- 如果序列名校验返回FALSE,说明你的矩阵里的序列名和发育树的tip标签有不一致的地方,检查大小写、空格、特殊符号,修正后再运行
- 首尾高变异区的位点如果需要单独统计,直接把每个位点作为一列加入indel二元矩阵即可,运行逻辑和已编号的A-S indel完全一致
- 如果运行时提示模型收敛问题,可以把
model = "ARD"换成model = "ER",用更简单的等速率模型计算 - 如果需要匹配你之前PAML的祖先节点编号,运行
ggtree(tree) + geom_text(aes(label = node), hjust = -0.2)即可显示所有节点的编号,对照即可
内容的提问来源于stack exchange,提问作者Rita
相关产品推荐
相关产品推荐

