群体Polymorphism information content(PIC)、 Nei diversity index (Nei s) 和 Shannon index (I)计算方法

群体Polymorphism information content(PIC)、 Nei’s diversity index (Nei’s) 和 Shannon’s index (I)计算方法

1. Polymorphism information content(PIC)

根据文献参考1，Polymorphism information content(PIC)用于衡量标记的多态性，PIC值取决于等位基因的个数和等位基因的频率分布两个因素，因此用来反应基因的多样性。
PIC值由Bostein 1980年公布的公式如下（参考文献2）：

pi and pj are allele frequencies at alleles i and j, respectively；
n is the number of alleles.
计算步骤实际上是1减去每个pi和pj的平方和，再减去非重复取两个p的平方积的2倍（Cn 2，如果是3个位点有3种；6个位点那就是6*5/2=15种组合）

两个等位基因的标记则计算：
1 - a² - b² - 2*a²*b²

三个等位基因的标记则计算：
a， b，c
1 - a² - b² - c² - 2*a²b² - 2b²c² - 2a²*c²

require(polysat) ## call PIC function
> a     
     Genomes loc2.150 loc2.155 loc2.160
pop1      20      0.4      0.3      0.3
pop2      30      0.5      0.2      0.3

> PIC(a)   ## PIC 计算结果
             loc2
pop1    0.5862000
pop2    0.5478000
Overall 0.5679677

> a  ## 以pop2为例子
[1] 0.5 0.3 0.2
> b=2*a^2 %*% t(a^2)
> 1 - sum(a^2) - sum(b[upper.tri(b) ])
[1] 0.5478  ## 与上面函数计算结果相同

## overall结果是将三个位置的allele freq按照群体进行比例计算，得到新的AF为0.46， 0.24， 0.3
最终按照上面的步骤结果为：
> b
     Genomes loc2.150 loc2.155 loc2.160
pop1      50     0.46     0.24      0.3
> a1=as.vector(unlist(b[,2:4]))
> a1
[1] 0.46 0.24 0.30
> 1- sum(a1^2)
[1] 0.6408
> a2=a1^2 %*% t(a1^2)
> a2
           [,1]       [,2]     [,3]
[1,] 0.04477456 0.01218816 0.019044
[2,] 0.01218816 0.00331776 0.005184
[3,] 0.01904400 0.00518400 0.008100
> 2*a2[upper.tri(a2)]
[1] 0.02437632 0.03808800 0.01036800
> 1- sum(a1^2) - sum(2*(a2[upper.tri(a2)]))  
[1] 0.5679677  ## 与前面overall结果相同

此外，也有将PIC公式简化的使用方法，此时与杂合度计算公式相似：

以上两种方法均有使用文献例子，但是使用第三方软件时注意其计算方式，在描述时就能准确写出计算方法。

2. Nei’s diversity index (Nei’s)

Nei (1973) 定义该指数，用来代表未鉴定的遗传变异，是群体遗传变异的一个测量值，代表群体内遗传多样性。
在随机交配群体中，该指数为杂合度；
在非随机交配群体中，该描述不合适，因此使用基因多样性（gene diversity）。
He计算公式如下：
1973年Nei的论文中计算公式为：
H=1-Σpi² (Nei， 1973)

可能最开始提出的是这个，后面找到一个PPT中发现会使用平均杂合度（He）来表示H。
该指数值阈在0到1之间，0代表无多样性。

3. Shannon’s index (I)

Shannon & Weaver (1949) 提出该指数，通常用于生态学研究中，用来估计物种多样性。
计算公式如下：

其他具体的计算例子可以参考链接6。

该指数最小值为0，代表无多样性，调查区域内均来自同一个物种；
反之该值不存在上限，不同群体间个体相同，该值取决于物种内的个体数目。

该指数的计算公式中ln可以使用log2等，这个是人为选择的。所以有人使用自然数e为底的对数，也有人选择其他数eg：2等。

此外，R语言并未内置ln函数，想要计算ln值，使用方式需要如下（或者调用其他R包辅助）：

> log2(4)
[1] 2

> log(1,exp(1))
[1] 0

所以计算x的自然数e的对数值为：
> log(x,exp(1))
> log(3,exp(1))
[1] 1.098612

参考：

1. http://www.agrobiology.ru/articles/5-2015chesnokov.pdf
2. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1686077/pdf/ajhg00189-0020.pdf
3. https://cncbc.mee.gov.cn/kpzs/rsswdyx/201506/t20150610_303290.html
4. https://link.springer.com/content/pdf/10.1007/BF00039724.pdf
5. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC427228/pdf/pnas00139-0051.pdf
6. https://www.omnicalculator.com/ecology/shannon-index