搜索
生物专家12Ntsys2.1软件使用详细说明为解决大家在学习中遇到的问题，我总结了一下具体的使用方法，详细结果如下：如果需要具体的文件可以在我的文库下载:一.数据处理方法1.1：excel5/95格式数据1）首先得到0/1数据，输入excel中，格式如图所示：其中1表示数据格式为rectangulardatamatrix，12表示数据共12行（本例中表示12个个体），30表示数据共30列（本例中表示30个位点），0表示无缺失数据（若有缺失，则用1表示，缺失值可用-999或其它数字代替）。2）格式及数据输入正确后，点击另存为excel5/95格式，命名为aflp01.xls。3）采用NTedit数据编辑器打开所保存的文件fileopenfileinagrid，在文件类型中选择excel格式，找到要分析的文件并打开，查看是否有错误，或需要修改的地方，没有问题后，保存为.nts格式。1.2：txt格式数据1）另一种数据处理方法，首先在excel中得到数据，如下图（注意：第一行与第一种方法不同，1表示数据格式为rectangulardatamatrix；12B表示共12行（本例中表示12个个体，行标签位于数据主体的开始，B表示Beginningofeachrow），30L表示共30列（本例中表示30个位点，L：label表示列标签），0表示无缺失）。或者如下图格式（其中第一行为112L30L0，解释略；第二行为每行的行标签；第三行为每列的列标签；第四行起为数据主体。）：生物专家122）格式及数据都处理好之后，点文件另存为，保存为文本文件.txt格式。3）得到txt格式文件后，即可直接用ntsys进行分析（只要格式正确，ntsys可以对txt文件进行分析，而不用再转换或保存成.nts格式）。1.3：直接采用NTedit进行数据的输入和保存1）对于数据量不大的数据，可以直接采用NTedit进行数据的输入，如图所示：2）数据输入好后，点击filesavefile将数据保存.nts格式。二.计算遗传距离矩阵或相似性矩阵（distancematrixorsimilaritymatrix）对于0/1数据和定性数据：打开ntsys软件，在similarity模块中选择simqual，inputfile中输入要分析的文件名称，如aflp01.nts，计算方法中矩阵系数coefficient选择dice，outputfile命名输出文件名称如aflp01-dice。之后点compute，得到相似性矩阵。注：1.本例中由于个体是按行排列的，所以要在Byrows?进行勾选（□x表选中）。如果个体是按列进行排列的，则不勾选。2.系数可根据要求选择不同的系数，如DICE，J，SM，PHI等。3.DICE，J只能得到相似性矩阵，可以采用1-dice系数，或者1-J系数得到距离矩阵。4.simqual只针对定性数据或二元数据（0/1），对于其它数据如DNA数据则采用simgend进行遗传距离计算，对于定量数据或间隔数据则采用simint计算距离矩阵。三.聚类分析（clustering）3.1SAHN进行upgma聚类分析1）在得到相似性矩阵或距离矩阵文件之后，采用clustering模块中的SAHN，inputfile选择相似性矩阵文件，如Aaflp01-dice.nts，outputfile命名输出文件的名称，如Baflp01-dice-upgma.nts，聚类方法中选择upgma，incaseofties选择find或者warn，点击compute得到结果，在程序左下角可以看到图标，点击即可得到聚类结果。生物专家122）Upgma聚类结果如图所示，在该图中可点击options菜单对聚类图的文字格式和线条样式等进行修改，以得到满意的图片。3）Cophenetic相关性检验Upgma聚类分析之后，为了检验聚类结果的好坏，一般要进行copheneticcorrelation分析，操作如下：在clustering模块中选择Coph，如下图，inputtree中输入聚类分析得到的结果文件，如Baflp01-dice-upgma.nts，在输出文件中命名Caflp01-coph.nts，点击compute，得到cophenetic值文件。计算完成后在graphics模块中选择MxComp，在inputfile1（x）中选择相似性矩阵文件，如Aaflp01-dice.nts，在inputfile2（y）中选择coph计算得到的文件，如Caflp01-coph.nts，numberofpermutation可选择1000次，或不选。点击compute。计算结束后得到分析结果，会出现矩阵比较图matrixcomparison和correlationtest结果，如下面的两个图所示（相关性系数为r=0.842，说明聚类结果较好）。4）upgma聚类分析batch上述的分析步骤可以采用batch进行批处理分析，命令如下（将下面的命令保存到文本文件，再保存成*.ntb格式）：Computeadistancematrix*simqualo=aflp01.ntsr=dice.ntsc=diced=rowDoaclusteranalysisofthedistancematrix*sahno=dice.ntsr=tree.ntscm=upgma生物专家12Displayphenogram*treeo=tree.ntsComputecopheneticvalues*copho=tree.ntsr=coph.ntsComputethecopheneticcorrelation*mxcompx=coph.ntsy=dice.nts3.2NJ聚类分析-Njoin1）得到距离矩阵：Simqual只能得到各种相似性矩阵，如DICE或J相似性矩阵，但进行NJ聚类分析是，需要距离矩阵数据，可以采用1-相似性矩阵的方法得到距离矩阵（采用excel进行，但比较麻烦，还没有找到快捷的方法。transf命令中好像没有1-矩阵的操作，只有矩阵-1的操作，好像也没有负值变成正值的操作）。当然也可以采样其它的命令如simgend或simint得到DIST、欧式或其它距离矩阵之后进行NJ分析；或者采用其它的分析软件如Genalex软件得到距离矩阵用于ntsys分析。2）打开ntsys的clustering模块，选择Njoin命令，inputfile中输入距离矩阵文件，命名保存的tree和graph文件，incaseofties中选择find，maximumno.tiedtrees中的数字不能小于OTUs的个数。点击compute，即得到nj聚类树。四.PCoA分析或PCA分析4.1PCoA分析1）在得到相似性或距离矩阵之后，在output&transf模块中选择Dcenter命令，input和output中分别输入要分析的数据和结果文件的名称。点击compute进行分析，将数据进行Dcenter转换。之后在ordination模块中选择eigen，选择要分析的文件，如dcent.nts，numerofdimensions中选择3或者2（分别得到三维或二维图形，），命名eigenvactor和eigenvalue文件名称，点击compute，得到分析结果。分析完成后界面上会出现图标，点击进去可查看二维和三维图形，并可进行修改保存等操作。2）在得到eigenvactor文件后，可采用graphics模块下的mod3d命令，显示pcoa分析生物专家12图，inputfile中选择保存的eigenvactor文件，plotbyrows不选，进行分析，如下图所示。3）进行mod3d分析时可以在plotsymbolinputfile中可输入样本分组文件，如下图所示（其中1120L0表示数据类型为1；共1行，20列数据；0表无缺失，数据主体为1111111222222等，表示哪个个体定义的分组为1，那个为分组2等等）。在定义分组进行分析后，得到的二维或三维plot图中，可以在plotoption中对各个分组显示采用的图标以及字体大小等参数进行修改，如图所示。当然plotsymbolinputfile也可以不输入，即全部个体为同一分组。注：上述分析采用的是0/1或者定性数据，在采用数量或连续数据进行分析时，要先采用output&transf模块中的stand命令对数据进行标准化处理，然后在采用simint命令分析得到相似或不相似矩阵，然后采样Dcenter命令对数据进行中心化处理，之后在采用eigen命令进行分析。4）PCoA分析batch命令生物专家12五.相关性分析（manteltest）1）Manteltest可对两个矩阵的相关关系进行检验，这是由于对于某一特点的研究对象，可能有不同角度的特征描述，如根据表型数据得到表型距离矩阵，根据分子数据得到遗传距离矩阵，或者根据样本间地理位置得到地理距离矩阵，得到这些矩阵数据之后，我们可能会想了解不同描述间有没有相关关系（如遗传距离与地理距离之间相关性），这时即可进行矩阵的相关性分析。2）具体操作如下：首先根据其它的软件如AFLPdat或Genalex等软件根据地理位置计算地理距离矩阵（例如X），打开ntsys软件，根据simint命令计算遗传距离矩阵（如Y），之后在graphics模块下选择MxComp，inputfile中选择要比较的距离矩阵文件，进行分析。分析结果如下图所示：3）manteltest分析batch命令：生物专家12Computemorphologicaldissimilaritymatrix*siminto=data.ntsc=distr=mdist.ntsd=rowComparemdistwithgdist,1000randompermutations*mxcompx=mdist.ntsy=gdist.ntsnp=1000