分子层面对生物的研究，在个体水平上主要是看单个基因的变化以及全转录本的变化（RNA-seq）；在对个体的研究的基础上，开始了群体水平的研究。如果说常规的遗传学主要的研究对象是个体或者个体家系的话，那么群体遗传学则是主要研究由不同个体组成的群体的遗传规律。 在测序技术大力发展之前，对群体主要是依靠表型进行研究，如加拉巴哥群岛的13中鸟雀有着不同的喙，达尔文认为这是自然选择造成的后果 。达尔文的进化论对应的观点可以简单概括为“物竞天择，适者生存”，这也是最为大众所接受的一种进化学说。直到1968年，日本遗传学家提出了中性进化理论[2]，也叫中性演化理论。中性理论的提出很大程度上是基于分子生物化学的发展。可以这样理解中性理论：一群人抽奖，在没有内幕的情况下，每个人抽到一等奖的概率是相等的，这个可能性和参与抽奖的人的身高、年龄、爱好等因素都没有关系。中性理论常作为群体遗传研究中的假设理论（CK）来计算其他各种统计指标。 群体遗传学，研究的单位是群体，比如粳稻、籼稻、野生稻，就能够构成不同的群体；我们国内的各省份的水稻也可以作为一个个群体。 群体遗传学大概可以分为群体内的研究和群体间的研究。比如研究云南元阳的水稻的遗传多样性；如果研究是的云南元阳的水稻和东北的水稻，那就可以算成是群体间的研究。群体间和群体内的研究是相互的。 测序价格的急剧下降[3]使得大规模的群体测序得以实现。
常见的变异类型有SNP、IdDel、SV、CNV等。重测序中最关注的是SNP，其次是InDel。其他的几种结构变异的研究不是太多。
有参考基因组的物种的全基因组测序叫做重测序，没有参考基因组的物种的全基因组测序则需要从头组装。随着测序价格的降低，越来越多物种的参考基因组都已经测序组装完成。 plant genomes [4]网站实时显示全基因组测序已经完成的植物，其中2012年以后爆发式增长。在群体遗传学研究中更多的是有参考基因组的物种，尤其是模式物种，植物中常见的是拟南芥、水稻和玉米。
主要的分析流程见下图。现在的测序公司基本上都会帮客户完成整个的分析流程，因为主要耗费的资源是计算资源。我认为在整个分析的流程中最重要的是Linux目录的构建，混乱的目录会导致后续的分析频频出问题，重测序分析会生成很多的中间文件，良好的目录管理会使得项目分析流程井然有序。 该部分涉及到的软件的安装和基础的Linux基础知识就不详细说明了。
正选择似乎可以更好地用自然选择来解释。就是一个基因or位点能够使个体有着更强的生存力或者是育性，这样就会使得这个个体的后代更多，如此一来，这个基因or位点在群体中就越来越多。
正选择能够使有利的突变基因or位点在群体中得到传播，但是与此同时却降低了群体的多态性水平。也就是说原先该位点周围的核苷酸组成是多样性的，在经过正选择之后，这个位点周围核苷酸的多样性就渐渐的趋于同质化了。这就好比一块田，里面本来有水稻和稗草及其他杂草，由于稗草的适应性增强，稗草在逐渐增多，水稻慢慢变少，最后甚至是只剩下了稗草。 我们将这种选择之后多态性降低的情况叫做选择扫荡（Selective Sweep)。检测选择扫荡的软件有SweeD[7]。选择扫荡有可能是人工选择的结果，如2014年 Nature Genetics关于非洲栽培稻的文章就使用了SweeD来检测非洲栽培稻基因组上受人工选择的区域[8]。
负选择和正选择刚好是相反的。简单理解成群体中的某个个体出现了一个致命的突变，从而自己或者是后代从群体中被淘汰。这也导致群体中该位点的多态性的降低。就好比我有10株水稻，其中一株在成长过程中突然不见了，那么对我的这个小的水稻群体来说，这个消失的水稻的独有的位点在群体中就不见了，整体的多态性就降低了。
平衡选择指多个等位基因在一个群体的基因库中以高于遗传漂变预期的频率被保留，如杂合子优势。
平衡选择检测的算法有BetaScan2[10]，这是个Python脚本，输入文件只需要过滤好的SNP数据即可。
计算公式为： 其中 是有效群体大小， 是每个位点的突变速率。 但是群体大小往往是无法精确知道的，需要对其进行估计。
分离位点数 是 的估计值，表示相关基因在多序列比对中表现出多态性的位置。计算公式为： 其中 为分离位点数量，比如SNP数量。 为个体数量的倒数和：
指的是核苷酸多样性，值越大说明核苷酸多样性越高。通常用于衡量群体内的核苷酸多样性，也可以用来推演进化关系[11]。计算公式为： 可以理解成现在群体内两两求 ，再计算群体的均值。计算的软件最常见的是 vcftools ，也有对应的R包 PopGenome 。通常是选定有一定的基因组区域，设定好窗口大小，然后滑动窗口进行计算。 3KRGP文章就计算了水稻不同亚群间4号染色体部分区域上的 值[12]，能够看出控制水稻籽粒落粒性的基因 Sh4 位置多态性在所有的亚群中都降低了。说明这个基因在所有的亚群中都是受到选择的，这可能是人工选择的结果。
Tajima's D是日本学者Tajima Fumio 1989年提出的一种统计检验方法，用于检验DNA序列在演化过程中是否遵循中性演化模型[14]。计算公式为： D值大小有如下三种生物学意义：
叫固定分化指数，用于估计亚群间平均多态性大小与整个种群平均多态性大小的差异，反映的是群体结构的变化。其简单估计的计算公式为： 的取值范围是[0,1]。当 时，表明亚群间有着明显的种群分化。 在中性进化条件下， 的大小主要取决于遗传漂变和迁移等因素的影响。假设种群中的某个等位基因因为对特定的生境的适应度较高而经历适应性选择，那该基因的频率在种群中会升高，种群的分化水平增大，使得种群有着较高的 值。 值可以和GWAS的结果一起进行分析， 超过一定阈值的区域往往和GWAS筛选到的位点是一致的，如2018年棉花重测序的文章[15]：
ROD可以基于野生群体和驯化群体间核苷酸多态性参数 的差异识别选择型号，也可以测量驯化群体和野生型群体相比损失的多态性。计算公式为： 和 一样，ROD也可以和GWAS结合起来：
群体结构分析可以简单理解成采样测序的这些个体可以分成几个小组，以及给每个个体之间的远近关系是怎么样的。群体结构分析三剑客， 分别是 进化树 、 PCA 和 群体结构图 。
进化树就是将个体按照远近关系分别连接起来的图。
常用的绘图软件是 Phylip 和 Snpphylo 。进化树修饰的软件有 MEGA ， ggtree 等，推荐网页版工具 iTOL ，无比强大。 外群定根法：当群体的个体的差异很小时，可以引入其他物种作为根。如在对三叶草建树时可以引入水稻的序列作为根进行建树。
PCA是很常见的降维方法，如微生物研究中常用来检验样品分群情况。PCA计算的软件很多，plink可以直接用vcf文件计算PCA，R语言也可以进行PCA计算。
PCA图在群体重测序中有如下几种作用：
进化树和PCA能够看出来群体是不是分层的，但是无法知道群体分成几个群合适，也无法看出群体间的基因交流，更无法看出个体的混血程度。这时候就需要群体分层图了。
可以将进化树和群体分层图结合进行展示，如下图：
先了解下概念，此处借鉴基迪奥生物网站的解释[22]。 要理解 LD 衰减图，我们就必须先理解连锁不平衡（Linkage disequilibrium，LD）的概念。连锁不平衡是由两个名词构成，连锁 + 不平衡。前者，很容易让我们产生概念混淆；后者，让这个概念变得愈加晦涩。因此从一个类似的概念入手，大家可能更容易理解 LD 的概念，那就是基因的共表达。 基因的共表达，通常指的是两个基因的表达量呈现相关性。比较常见的例子就是：转录组因子和靶基因间的关系。因为转录因子对它的靶基因有正调控作用，所以转录因子的表达量提高会导致靶基因的表达量也上调，两者往往存在正相关关系。这个正相关关系，可以使用相关系数 来度量，这个数值在 - 1~1 之间。总而言之，相关性可以理解为两个元素共同变化，步调一致。 类似的，连锁不平衡（LD）就是度量两个分子标记的基因型变化是否步调一致，存在相关性的指标。如果两个 SNP 标记位置相邻，那么在群体中也会呈现基因型步调一致的情况。比如有两个基因座，分别对应 A/a 和 B/b 两种等位基因。如果两个基因座是相关的，我们将会看到某些基因型往往共同遗传，即某些单倍型的频率会高于期望值。 参照王荣焕等[23]的方法进行LD参数计算：
随着标记间的距离增加，平均的LD程度将降低，呈现出衰减状态，这种情况叫LD衰减。LD衰减分析的作用：
GWAS(genome-wide association study)，全基因组关联分析，常用在医学和农学领域。简单理解成将SNP等遗传标记和表型数据进行关联分析，检测和表型相关的位点，然后再倒回去找到对应的基因，研究其对表型的影响。这些被研究的表型在医学上常常是疾病的表型；在农学上常常是受关注的农艺性状，比如水稻的株高、产量、穗粒数等。GWAS思想首次提出是在心肌梗塞的治疗上[24]，首次应用是在2005年的文章上[25]。
目前使用最广泛的模型是混合线性模型[26]：
所有的参数软件（如Emmax）会自动完成计算。
GWAS结果文件通常只有两个图，一个是曼哈顿图，另外一个是Q-Q图。一般是先看Q-Q图，如果Q-Q正常，曼哈顿图的结果才有意义。
MSMC（multiple sequentially Markovian coalescent）[27]，底层算法很复杂，类似于PSMC。MSMC的主要功能是推断有效群体大小和群体分离历史。
这样看起来更直观：
LAMP(Local Ancestry in Admixed Populations，混杂群体的局部族源推断)，用于推断采用聚类的方法假设同时检测的位点间不存在重组情况，对每组相邻的 SNP 进行检测分析[28]，在运算速度和推断准确度上都有了质的飞跃。
用于推断群体分离和混合[29]。图是这样的：
测序方案关系到后续的分析，不同的样本量对应不同的测序方法和分析方法。
[1]. 自然选择(维基百科) [2]. Kimura, Motoo. "Evolutionary rate at the molecular level." Nature . 217.5129 (1968): 624-626 . [3]. 测序价格变化趋势 [4]. plant genomes [5]. DePristo, Mark A., et al. "A framework for variation discovery and genotyping using next-generation DNA sequencing data." Nature Genetics . 43.5 (2011): 491. [6]. Biswas, Shameek, and Joshua M. Akey. "Genomic insights into positive selection." ** TRENDS in Genetics . 22.8 (2006): 437-446. [7]. Pavlidis, Pavlos, et al. "Sweed: likelihood-based detection of selective sweeps in thousands of genomes." Molecular biology and evolution 30.9 (2013): 2224-2234. [8]. Wang, Muhua, et al. "The genome sequence of African rice (Oryza glaberrima) and evidence for independent domestication." Nature Genetics 46.9 (2014): 982. [9]. Bamshad, Michael, and Stephen P. Wooding. "Signatures of natural selection in the human genome." Nature Reviews Genetics 4.2 (2003): 99. [10]. Siewert, Katherine M., and Benjamin F. Voight. "BetaScan2: Standardized statistics to detect balancing selection utilizing substitution data." BioRxiv (2018): 497255. [11]. Yu, N.; Jensen-Seaman MI; Chemnick L; Ryder O; Li WH (March 2004). Genetics . 166 (3): 1375–83. [12]. Wang, Wensheng, et al. "Genomic variation in 3,010 diverse accessions of Asian cultivated rice." Nature 557.7703 (2018): 43. [13]. Li, C., Zhou, A. & Sang, T. Rice domestication by reducing shattering. Science 311, 1936–1939 (2006). [14]. Tajima, Fumio. "Statistical method for testing the neutral mutation hypothesis by DNA polymorphism." Genetics 123.3 (1989): 585-595. [15]. Du, Xiongming, et al. "Resequencing of 243 diploid cotton accessions based on an updated A genome identifies the genetic basis of key agronomic traits." Nature Genetics 50.6 (2018): 796. [16]. Lu, Kun, et al. "Whole-genome resequencing reveals Brassica napus origin and genetic loci involved in its improvement." Nature communications . 10.1 (2019): 1154. [17]. Zhou, Z., Jiang, Y., Wang, Z. et al. Resequencing 302 wild and cultivated accessions identifies genes related to domestication and improvement in soybean. Nat Biotechnol 33, 408–414 (2015). [18]. Liang, Z., Duan, S., Sheng, J. et al. Whole-genome resequencing of 472 Vitis accessions for grapevine diversity and demographic history analyses. Nat Commun 10, 1190 (2019). [19]. Alexander, D.H., Lange, K. Enhancements to the ADMIXTURE algorithm for individual ancestry estimation. BMC Bioinformatics 12, 246 (2011). [20]. Francis, Roy M. "pophelper: an R package and web app to analyse and visualize population structure." Molecular ecology resources 17.1 (2017): 27-32. [21]. . [22]. . [23]. WANG Rong-Huan, WANG Tian-Yu, LI Yu. Linkage disequilibrium in plant genomes[J]. HEREDITAS , 2007, 29(11): 1317-1323. [24]. Ozaki, K., Ohnishi, Y., Iida, A. et al. Functional SNPs in the lymphotoxin-α gene that are associated with susceptibility to myocardial infarction. Nat Genet 32, 650–654 (2002). [25]. Klein, Robert J., et al. "Complement factor H polymorphism in age-related macular degeneration." Science 308.5720 (2005): 385-389. [26]. Yu, Jianming, et al. "A unified mixed-model method for association mapping that accounts for multiple levels of relatedness." Nature genetics 38.2 (2006): 203. [27]. Schiffels, Stephan, and Richard Durbin. "Inferring human population size and separation history from multiple genome sequences." Nature genetics 46.8 (2014): 919. [28]. Sankararaman, Sriram, et al. "Estimating local ancestry in admixed populations." The American Journal of Human Genetics 82.2 (2008): 290-303. [29]. Pickrell, Joseph K., and Jonathan K. Pritchard. "Inference of population splits and mixtures from genome-wide allele frequency data." PLoS genetics 8.11 (2012): e1002967. [30]. Chen, Jia-hui, et al. "Genome-wide analysis of Cushion willow provides insights into alpine plant divergence in a biodiversity hotspot." Nature communications 10.1 (2019): 1-12. [31]. 孙宽，侯一平。法医族源推断的分子生物学进展 [J]. 法医学杂志 ，2018,34 (03):286-293. [32]. genek.tv
不注意挥舞武士刀砍杀猪尸体的人-他这样做是为了科学。
血腥的练习是为了分析弯刀和日本武士刀的伤口，以便更好地从他们留下的切痕中识别凶器研究报告的主要作者彭妮·麦卡德尔说，在
的背后，为了避免你认为这项研究纯粹是学术性的，它实际上是在调查使用日本武士刀（katanas）杀害受害者的谋杀案时开始的，澳大利亚纽卡斯尔法医部的法医人类学家顾问，由于法律问题，
，McCardlecould不会对这些案件说太多。不过，麦卡德尔说，这些谋杀案发生在过去10年左右的时间里，凶手显然利用了手头的东西，“凶手被抓获”。[看武士刀和砍刀切割痕迹的区别]
当麦卡德尔开始分析受害者骨头上留下的切割痕迹时，她“很快意识到，几乎没有对武士刀切割痕迹的研究，”她说所以，我开始对黑客武器做更多的研究，特别是。
当她研究这个话题时，麦卡德尔发现，描述砍刀在骨头上留下的切割痕迹的研究也非常有限，尽管事实上，砍刀“在全世界都是现成的工具，经常用于暴力犯罪，“恐怖袭击和种族灭绝，”麦卡德尔告诉现场科学。因此，她想更深入地研究片假名和弯刀留下的切割痕迹，以帮助考古学家和法医科学家更好地识别用于对付受害者的武器种类。
科学家们在雄性家猪幼体尸体上进行了实验，每个尸体重约100到110磅（45磅）都是从屠夫那里买的。尸体被填充了泡沫塑料包装花生以保持其内腔稳定，并悬挂在金属框架上以模拟站立的受害者。
研究人员使用工厂制造的弯刀、工厂制造的武士刀和使用传统方法锻造的武士刀。麦卡德尔说，挥舞大砍刀的志愿者和马德卡塔纳工厂没有切割经验，在尸体上使用了黑客的动作，而挥舞传统锻造的武士刀的志愿者有16年的剑术经验，并进行了专家切割。[照片：上个世纪的武士剑客]
“没有经验的武器使用者真的很惊讶黑客和切割有多难，他们有多累，”麦卡德尔说请注意，他们并没有像我想象的那样，在一次真正的犯罪中人们会得到肾上腺素的 *** 。
科学家们观察了武器在肋骨、肩胛骨等扁平骨和四肢骨等长骨上的切割痕迹。他们发现，所有三种骨骼类型上的武士刀都有一个独特的特点，那就是从切口的入口处被骨头弯曲的程度很小，而所有三种骨骼类型上的弯刀都有一个独特的特点，那就是“叽叽喳喳，“或者在每根骨头的边缘都有小的骨头碎片。”迈克尔德尔说：
与每件武器相关的切割痕迹的不同可能是由于“刀片是由什么制成的，刀片的使用方式，对骨头的冲击角度以及刀片从骨头上取下的方式。”探索是否有可能根据刀痕特征推断出剑使用者的经验，McCardle说，
科学家们在2月21日的在线报告中详细介绍了他们的发现法医学杂志。
关于生命科学的原始文章。
有MEDLINE、《中华医学杂志》、骨密度数据库、CBM、PubMed等。
1、MEDLINE
MEDLINE是美国国立医学图书馆(The National Library of Medicine, 简称NLM)生产的国际性综合生物医学信息书目数据库，是当前国际上最权威的生物医学文献数据库。
内容包括美国《医学索引》（Index Medicus, IM）的全部内容和《牙科文献索引》（Index to Dental Literature）、《国际护理索引》（International Nursing Index）的部分内容。
2、《中华医学杂志》
《中华医学杂志》是1915年创办的双语学术期刊，周刊，中国科学技术协会主管，中华医学会主办。
期刊主要反映中国医学最新的科研成果，积极推广医药卫生领域的新技术、新成果，及时交流防病治病的新经验。
3、骨密度数据库
2004 年11 月，GE 公司与中华医学会合作, 完成中国大陆骨密度正常值数据库项目，开创了中国骨密度发展的新时代，是中国医学界将临床问题数字化的一项巨大突破。
该项目的完成， 彻底结束了用其他人种的标准诊断中国人骨密度状况的混乱局面，树立了医生和患者对骨密度测量和骨质疏松定量诊断的信任。
4、CBM
CBM由中国医学科学院医学信息研究所/图书馆开发研制的中国生物医学文献服务系统（SinoMed）；
整合了中国生物医学文献数据库（CBM）、西文生物医学文献数据库（WBM）、北京协和医学院博硕学位论文库等多种资源，是集检索、免费获取、个性化定题服务、全文传递服务于一体的生物医学中外文整合文献服务系统。
可访问中国生物医学文献数据库（CBM）资源 ，北京协和医学院博硕学位论文库（每篇论文的前30页内容）。
CBM收录1978以来1600余种中国生物医学期刊，以及汇编、会议论文的文献题录530余万篇，全部题录均进行主题标引和分类标引等规范化加工处理。年增文献40余万篇，每月更新。
5、PubMed
PubMed 数据库是美国国立医学图书馆(National libraryof Medicine， NLM) 的国家生物技术信息中心(National Center for Biotechnology Information， NCBI)研制开发的， 设在国家健康研究院。
PubMed 数据库收录MEDLINE， PRE-MEDLINE， 还有其它如《Science》， 《Nature》 等电子期刊构成的数据库。 自1996年至今，该数据库收录约1000 万篇生物医学文献。
可供检索的专业为，分子生物学及NCBI 部分的数据库题录。它收录了美国和另外70 个国家出版的生物医学期刊约3900种。
PubMed 网上更新速度是每周1次。Medline 收录的大多数论文原始语种是英语， 或有英文摘要。
参考资料来源：百度百科——医学数据库
