指示Python中的种群结构

在Python中，我使用的是。我试图计算在VCF文件中找到的每个SNP的Jost的D值

数据

数据为VCF格式。数据集很小，有2个群体，每个群体100个个体和6个SNP（都在1号染色体上）

每个个体被命名为

Pp.Ii

，其中

p

是它所属的人口指数，

i

是个体指数

代码

我的困难在于人口结构的具体化。这是我的审判

### Read the vcf file ###
vcf = egglib.io.VcfParser("MyData.vcf") 

### Create the `Structure` object ###
# Dictionary for a given cluster. There is only one cluster.
dcluster = {}            
# Loop through each population 
for popIndex in [0,1]:  
    # dictionnary for a given population. There are two populations
    dpop = {}            
    # Loop through each individual
    for IndIndex in range(popIndex * 100,(popIndex + 1) * 100):     
            # A single list to define an individual
        dpop[IndIndex] = [IndIndex*2, IndIndex*2 + 1]
    dcluster[popIndex] = dpop

struct = {0: dcluster}

### Define the population structure ###
Structure = egglib.stats.make_structure(struct, None) 

### Configurate the 'ComputeStats' object ###
cs = egglib.stats.ComputeStats()
cs.configure(only_diallelic=False)
cs.add_stats('Dj') # Jost's D

### Isolate a SNP ###
vcf.next()
site = egglib.stats.site_from_vcf(vcf)

### Calculate Jost's D ###
cs.process_site(site, struct=Structure)

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Library/Python/2.7/site-packages/egglib/stats/_cstats.py", line 431, in process_site
    self._frq.process_site(site, struct=struct)
  File "/Library/Python/2.7/site-packages/egglib/stats/_freq.py", line 159, in process_site
    if sum(struct) != site._obj.get_ning(): raise ValueError, 'invalid structure (sample size is required to match)'
ValueError: invalid structure (sample size is required to match)

###读取vcf文件###
vcf=egglib.io.VcfParser（“MyData.vcf”）
###创建'Structure'对象###
#给定集群的字典。只有一个集群。
dcluster={}
#循环遍历每个种群
对于[0,1]中的popIndex：
#特定人群的用语。有两种人群
dpop={}
#循环通过每个人
对于范围内的Index（popIndex*100，（popIndex+1）*100）：
#用于定义个人的单个列表
dpop[index]=[index*2，index*2+1]
dcluster[popIndex]=dpop
结构={0:dcluster}
###界定人口结构###
Structure=egglib.stats.make_结构（struct，None）
###配置“ComputeStats”对象###
cs=egglib.stats.ComputeStats（）
cs.configure（仅\u diallelic=False）
cs.添加统计数据（“Dj”）#Jost's D
###分离单核苷酸多态性###
vcf.next（）
site=egglib.stats.site_from_vcf（vcf）
###计算约斯特D###
cs.过程现场（现场，结构=结构）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/Library/Python/2.7/site packages/egglib/stats/_cstats.py”，第431行，进程中的站点
self.\u frq.process\u site（site，struct=struct）
文件“/Library/Python/2.7/site packages/egglib/stats/_freq.py”，第159行，进程中站点
如果和（结构）！=站点。_obj.get_ning（）：raise VALUE ERROR，“无效结构（需要匹配样本大小）”
ValueError:结构无效（需要匹配样本大小）

文件表明

[Structure object]是一个包含两个项的元组，每个项都是dict。第一个表示ingroup，第二个表示outgroup

ingroup字典本身就是一个包含更多字典的字典，每个群体一个字典。每个集群字典都是一个总体字典，总体本身由一个字典表示。人口词典也是个人词典。幸运的是，个人由列表表示

单个列表包含属于该个体的所有样本的索引。对于单倍体数据，个体将是一个项目列表。在其他情况下，所有单独的列表都需要有相同数量的项目（一致的倍性）。请注意，如果倍性不止一个，则没有任何东西强制将给定个体的样本分组到原始数据中

ingroup字典的键是标识每个集群的标签。在集群字典中，键是填充标签。最后，在人口字典中，键是单独的标签

第二个字典表示outgroup。它的结构更简单：它有单独的标签作为键，相应的样本索引列表作为值。外组字典类似于任何内组填充字典。倍性需要与所有组内和组外个体相匹配

但我没弄明白。提供的示例是针对fasta格式的，我不理解如何将逻辑扩展到VCF格式。

有两个错误

第一个错误

函数

make_structure

返回结构对象，但不将其保存在

stats

中。因此，您必须保存此输出并将其用于函数

process\u站点

Structure = egglib.stats.make_structure(struct, None) 

第二个错误

结构对象必须指定单倍体。因此，将字典创建为

dcluster = {}            
for popIndex in [0,1]:  
    dpop = {}            
    for IndIndex in range(popIndex * 100,(popIndex + 1) * 100):     
        dpop[IndIndex] = [IndIndex]
    dcluster[popIndex] = dpop

struct = {0: dcluster}

有两个错误

第一个错误

函数

make_structure

返回结构对象，但不将其保存在

stats

中。因此，您必须保存此输出并将其用于函数

process\u站点

Structure = egglib.stats.make_structure(struct, None) 

第二个错误

结构对象必须指定单倍体。因此，将字典创建为

dcluster = {}            
for popIndex in [0,1]:  
    dpop = {}            
    for IndIndex in range(popIndex * 100,(popIndex + 1) * 100):     
        dpop[IndIndex] = [IndIndex]
    dcluster[popIndex] = dpop

struct = {0: dcluster}