NTSYS软件使用详细说明

Ntsys2.1软件使用详细说明

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rectangular data matrix，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file>open file in a grid，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rectangular data matrix；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Beginning of each row），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1 12L 30L 0，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。）：

2）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file>save file将数据保存.nts格式。

二. 计算遗传距离矩阵或相似性矩阵（distance matrix or similarity matrix）

对于0/1数据和定性数据：打开ntsys软件，在similarity模块中选择simqual，input file 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，output file 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By rows?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）

3.1 SAHN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，input file 选择相似性矩阵文件，如aflp01-dice.nts，output file命名输出文件的名称，如aflp01-dice-upgma.nts，聚类方法中选择upgma，in case of ties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。

2）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cophenetic correlation分析，操作如下：在clustering模块中选择Coph，如下图，input tree中输入聚类分析得到的结果文件，如aflp01-dice-upgma.nts，在输出文件中命名aflp01-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input file 1（x）中选择相似性矩阵文件，如aflp01-dice.nts，在input file 2（y）中选择coph计算得到的文件，如aflp01-coph.nts，number of permutation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matrix comparison和correlation test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）：

" Compute a distance matrix

*simqual o=aflp01.nts r=dice.nts c=dice d=row

" Do a cluster analysis of the distance matrix

*sahn o=dice.nts r=tree.nts cm=upgma

" Display phenogram

*tree o=tree.nts

" Compute cophenetic values

*coph o=tree.nts r=coph.nts

" Compute the cophenetic correlation

*mxcomp x=coph.nts y=dice.nts

3.2 NJ聚类分析-Njoin

1）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，input file中输入距离矩阵文件，命名保存的tree 和graph文件，in case of ties中选择find，maximum no. tied trees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

4.1 PCoA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，numer ofdimensions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分析图，input file中选择保存的eigenvactor文件，plot by rows 不选，进行分析，如下图所示。

3）进行mod3d分析时可以在plot symbol input file中可输入样本分组文件，如下图所示（其中1 1 20L 0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1 1 1 1 1 1 1 2 2 2 2 2 2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plot option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plot symbol input file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

五. 相关性分析（mantel test）

1）Mantel test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，input file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）mantel test分析batch命令：

" Compute morphological dissimilarity matrix

*simint o=data.nts c=dist r=mdist.nts d=row

" Compare mdist with gdist, 1000 random permutations

*mxcomp x=mdist.nts y=gdist.nts np=1000