研究背景

随着全球气候和环境的剧烈变化，理解生物适应环境变化的遗传响应，已成为进化生物学研究中的一个重要问题。利用RAD-seq、全基因组重测序等技术获得SNP (single nucleotide polymorphism, 单核苷酸多态性)，以SNP作为遗传标记进行选择信号分析，无论对于模式物种还是非模式物种，均已成为目前适应性进化遗传机制研究的主流方法(Pardo-Diaz et al., 2015)。基于全基因组范围内SNP数据，在野生群体的适应机制研究中检测受选择信号主要有两类方法：F_ST离群值检测 (outlier analysis, OA) 和环境关联分析 (environmental association analysis, EAA) (Liberles et al., 2020)，其中F_ST离群值检测的具体流程已在本手册另一篇文章 (金铃和郭宝成，2021) 中详细介绍。相较于F_ST离群值检测，环境关联分析除需基因型数据外，还需环境变量数据，通过特定的方法分析某个环境变量与SNP等位基因频率变异间的关联，从而 推断选择压力作用于哪些位点或基因组区域 (Rellstab et al., 2015)。
        环境关联分析常用的程序或软件包括BAYENV、BAYENV2、LFMM、BAYESCENV、VEGAN等，常见方法及软件的基本原理、适用的数据类型等参见附表1 (译自Rellstab et al., 2015 Table 1)。其中BAYENV及BAYENV2使用频率较高 (Ahrens et al., 2018)。BAYENV是一种贝叶斯方法，它通过指定一组中性位点估算群体间等位基因频率变异的零模型，而后检验加入环境变量的新模型相对于原模型是否可以更好地拟合数据，从而推断与环境变量相关联的遗传变异 (Coop et al., 2010; Guenther and Coop, 2013)。相较于其他可进行同类分析的方法，BAYENV具有可对群体间样本大小的差异和群体间共享的群体历史进行校正的优势 (Guenther and Coop, 2013)。本文将以BAYENV2软件为例，向读者介绍基于重测序数据利用BAYENV2进行环境关联分析的详细分析方案，该分析方案主要参考Guo et al. (2015, 2016a) 两篇已发表的工作。该分析方案已在鱼类野生群体的适应性机制研究中广泛应用 (如Magalhaes et al., 2021)，也可应用于鱼类以外的其他生物类群 (如Guo et al., 2016b; Fraik et al., 2020)。

仪器设备

1. 服务器 (型号：Inspur NF5280M5 操作系统：CentOS Linux release 7.5.1804 (Core)；CPU：Intel(R) Xeon(R) Gold 6230 CPU @ 2.10 GHz；80核，512 G内存)
2. 普通个人电脑 (需要已安装好R)
   

软件版本信息及下载地址

1. BWA-MEM v0.7.17-r1188: https://github.com/lh3/bwa
2. SAMtools v1.8: https://github.com/samtools/samtools/releases/tag/1.8
3. BCFtools v1.8: https://github.com/samtools/bcftools/releases/tag/1.8
4. VCFtools v0.1.13: https://github.com/vcftools/vcftools/releases/tag/v0.1.13
5. Java v1.8.0_151: https://java.com/zh-CN/
6. PGDSpider 2.1.1.5: http://cmpg.unibe.ch/software/PGDSpider/
7. BAYENV2: https://bitbucket.org/tguenther/bayenv2_public/src/master/
8. R v3.6.3: https://www.r-project.org/
9. ggplot2 (R package, v3.3.3): https://cran.r-project.org/web/packages/ggplot2/index.html
10. scales (R package, v1.1.1): https://CRAN.R-project.org/package=scales
    

实验步骤