lizards-are-awesome 0.4.0

# lizards-are-awesome

一个基于Docker的工作流程，用于从Excel文件推断出的DArTseq SNP数据中执行Plink和fastStructure分析。

## 概述

该软件旨在减少将DArTseq SNP数据（1行格式）准备用于Plink和fastStructure分析所需的繁琐手工操作。LAA专门针对由DArTseq生成的SNP数据集（1行格式）。因此，输入数据将是DArTseq提供的以下元数据：“0”=参考等位基因纯合子，“1”=SNP等位基因纯合子，“2”=杂合子，“-”=双缺失/缺失等位基因纯合子（基因组表示中缺少带有SNP的片段）。LAA首先将这些数据转换为Plink分析所需的ped和map文件。

除了提到的外部包之外，大部分工作都由Python脚本完成。脚本执行的主要操作包括

1. 复制输入数据。

2. 在两组数据中执行某些字符的替换，以创建与Plink兼容的字符（即“-”到“0”）。

3. 独立索引两组数据。

4. 合并两组数据。

5. 按组合索引排序。

6. 转置组合数据。

7. 输出到与Plink兼容的ped和map格式。

在此之前，这些步骤可能需要使用各种软件包手动执行，而现在它们可以自动执行。

除了转换操作外，还有额外的功能可以执行Plink和fastStructre的分析运行，并在两个程序之间自动传递数据文件。

除了转换操作外，LAA还会自动在生成的ped和map文件上启动程序Plink，然后将生成的bed、bim和fam文件传递给fastStructure进行分析。用户可以选择最多K（种群数量）个种群由fastStructure分析。输出文件包括每个个体的平均Q值，定义了属于K1到Kx任意一个种群的平均概率。

## 设计决策

### 为什么选择Docker？

Plink是为基于Linux的操作系统编写的。因此，在Linux系统上可以直接执行所有操作，无需任何形式的虚拟化层。但是，为了支持使用基于Windows的操作系统的研究人员，决定利用Docker虚拟化。

Docker提供了一个轻量级的虚拟化层，使得Linux软件能够在Windows上（相对）轻松地运行。它还具有提供基于云的机制来向用户分发软件“镜像”的额外好处。与VirtualBox或VMware等系统相比，Docker的优势在于

• 基于云的预构建镜像分发，

• 未来版本将允许原生Docker容器，并且

• 易于复制虚拟镜像的创建。

### 为什么选择Python？

Python是一种强大且表达丰富的脚本语言。它带有许多不同的包，并且得到了开发者的出色支持（例如，fastStructure是用Python编写的）。

## 依赖项

在任何平台上安装时，有一些必需的依赖项

• Python

• Docker

如果您在Windows上安装，则还有一些额外的要求

• Visual Studio Python编译器

• MsysGit

## 重要

我们发现Docker在Windows上运行时存在问题，导致数据转换错误。虽然您可能能够在Windows系统上安装LAA，但结果的可能准确性会受到影响。

要安装在Windows上，我们建议使用运行Ubuntu安装的虚拟机，例如VMware。下面所有详细步骤（包括安装Docker）都必须在虚拟机中执行。

## 安装

首先，安装操作系统上列出的所有依赖项。

完成安装后，打开系统终端（请参阅下文关于系统终端的子节，在使用部分）。

从打开的系统终端，使用以下命令安装LAA Python界面：

`bash pip install lizards-are-awesome`

接下来，从系统终端，下载并准备laa docker镜像。此镜像包含plink、fastStructure和转换脚本，所有这些都集成到一个轻量级的Alpine Linux镜像中

`bash laa init`

## 使用

### 终端

当前的使用是通过操作系统终端直接完成的。在类似Linux的操作系统（包括Mac OS X）中，使用系统终端模拟器。在Windows操作系统中，使用Docker快速启动终端。

### 输入格式

LAA接受XLSX Excel格式和CSV。不幸的是，使用开源工具解析XLSX非常慢。因此，我们建议在使用LAA之前将Excel数据转换为CSV（只需使用Microsoft Office或开源电子表格工具，如Libre Office打开并另存为csv文件）。

数据表应只包含具有DArTseq SNP数据的列（即0、1、2和-），所有其他列都必须删除。第一行应包含每个个体所属的种群名称（例如物种），第二行应包含每个个体的ID。所有后续行包含SNP数据。

一个简短的、虚构的示例

<table class="table table-bordered table-hover table-condensed"> <tbody><tr><td>Pminima</td> <td>Pminima</td> <td>Pminor</td> <td>Pminima</td> <td>Pminor</td> <td>Pminima</td> </tr> <tr><td>lizard1</td> <td>lizard2</td> <td>lizard15</td> <td>lizard39</td> <td>lizard40</td> <td>lizard44</td> </tr> <tr><td>0</td> <td>1</td> <td>1</td> <td>2</td> <td>1</td> <td>1</td> </tr> <tr><td>0</td> <td>0</td> <td>0</td> <td>1</td> <td>0</td> <td>0</td> </tr> <tr><td>1</td> <td>-</td> <td>1</td> <td>0</td> <td>1</td> <td>1</td> </tr> <tr><td>0</td> <td>0</td> <td>1</td> <td>0</td> <td>-</td> <td>0</td> </tr> <tr><td>2</td> <td>2</td> <td>1</td> <td>1</td> <td>1</td> <td>2</td> </tr> <tr><td>2</td> <td>2</td> <td>1</td> <td>2</td> <td>1</td> <td>0</td> </tr> <tr><td>1</td> <td>1</td> <td>2</td> <td>1</td> <td>2</td> <td>1</td> </tr> <tr><td>1</td> <td>1</td> <td>1</td> <td>2</td> <td>0</td> <td>1</td> </tr> <tr><td>0</td> <td>0</td> <td>0</td> <td>0</td> <td>0</td> <td>0</td> </tr> <tr><td>-</td> <td>1</td> <td>2</td> <td>1</td> <td>1</td> <td>1</td> </tr> </tbody></table>

并且，以CSV格式

`csv Pminima,Pminima,Pminor,Pminima,Pminor,Pminima lizard1,lizard2,lizard15,lizard39,lizard40,lizard44 0,1,1,2,1,1 0,0,0,1,0,0 1,-,1,0,1,1 0,0,1,0,-,0 2,2,1,1,1,2 2,2,1,2,1,0 1,1,2,1,2,1 1,1,1,2,0,1 0,0,0,0,0,0 -,1,2,1,1,1 `

### 位置

所有LAA命令都必须从包含您的CSV输入文件的同一目录中运行。为了示例的目的，假设我们有一个位于/c/workspace/data的输入文件，input.csv

`bash cd /c/workspace/data `

### 快速运行

要执行完整过程，包括转换、Plink、fastStructre和K值的分析，您可以只需运行

`bash laa all input.csv --maxk=5 `

其中 –maxk=5 可以替换为合适的最大K值。

这将产生一系列文件，位于当前工作目录中，对应于转换、Plink和fastStructre的输出。

### 转换

转换输入数据将进行重组、转座，输出PED文件，并生成适当的映射文件

`bash laa convert input.csv output.ped `

这将生成两个文件：output.ped和output.map。这些文件适合与Plink一起使用。

### Plink

要使用Plink处理转换后的输入文件，请运行

`bash laa plink output.ped `

### fastStructure

要使用fastStructure处理Plink输出，请运行

`bash laa fast output `

### K值选择

要多次运行fastStructure并选择合适的K值，请运行

`bash laa choosek output --maxk=5 `

其中 –maxk=5 可以替换为合适的最大K值。

## 获取帮助

帮助始终可以从命令行获得。要获取可用命令的打印输出，请运行

`bash laa -h `

您还可以使用类似的方式获取特定命令的帮助

`bash laa convert -h `

其中 convert 可以替换为您需要获取帮助的相应命令。