CLUES（Conditional Likelihood Under Evolutionary Scenarios）是一个用于推断单个位点在群体中选择轨迹（selection trajectory）的软件工具。

下载安装

git clone https://github.com/standard-aaron/clues.git

该软件无需复杂的安装过程，下载即可用，内含一些 python 脚本。

该软件是在 Relate 计算的基础上进行的。详见：Relate 使用方法。

在使用 SampleBranchLengths.sh 推断位点的分支长度后，生成的 relate_resample.timeb 要用于 clues 的计算，具体看我上一篇推文即可。

inference.py 是主要的计算脚本，但该脚本的运行需要一些 python 环境。

1）要在 python3 的环境下；

2）需要依赖环境：numpy、numba 等环境，如果没有会报错，基于报错安装依赖的环境，推荐 conda 安装，手动安装要费不少劲。

3）绘图脚本需要 matplotlib 环境。

推断需要指定有效群体大小，群体大小可以是固定值，也可以是 Relate 计算的有效群体大小文件。

python inference.py --times example/example -N <DIPLOID_POPSIZE>

或 python inference.py --times example/example --coal example/example.coal

--popFreq 可以指定位点当今的频率，比如：

--popFreq 0.3

--timeBins 可以指定特定时间段以检测选择压力。可以参考示例文件中的格式。

python inference.py --times example/example --timeBins example/timeBins.txt

--tCutoff 可以指定共祖过程的终止时间，默认是 1000 世代前。

python inference.py --times example/example --tCutoff 2000

--dom 硬编码等位基因的显性系数，默认值为 0.5（对应加性模型）。

python inference.py --dom 0.8 # 设置显性系数为0.8

--burnin 和 --thin 通过调整 MCMC 样本的权重，优化选择压力估计。

--burnin：丢弃前 LEN_BURNIN 步的 MCMC 样本（用于去除初始不稳定状态）。--thin：每隔 LEN_THIN 步抽取一个样本（减少样本间相关性）。

python inference.py --times example/example --burnin <预烧步数> --thin <稀疏步长>

--ancientSamps 整合古代 DNA（aDNA）的基因型似然值到分析中。

python inference.py --times example/example --ancientSamps example/exampleAncientSamps.txt

上述为可选参数，最终会生成 out.epochs.npy, out.freqs.npy, out.post.npy 三个文件，而后可以用 plot_traj.py 绘图。

python plot_traj.py <out_from_clues> <fig_name>

默认输出 pdf 文件，--ext 选项可以修改输出文件的格式，包括 eps、png 等。