Détails sur le cas d'étude: ABC en génétique démographique de bovins #################################################################################### ## Création du projet DIYABC #################################################################################### 1. Lancer DIYABC 2.0 (http://www1.montpellier.inra.fr/CBGP/diyabc) 2. Cliquer l'onglet "New Microsat/Sequence project" 3. Choisir un nom pour le projet, choisir un répertoire de travail, et cliquer sur "Create project" 4. Choisir le fichier de données bbb.genetique-demographique.microbovData.txt #################################################################################### ## Définition du modèle historique: #################################################################################### 5. Cliquer sur "Set" sous "Historical model" 6. Sous "Scenario 1", taper les commandes suivantes: N1 N2 N3 0 sample 1 0 sample 2 0 sample 3 t1 merge 1 3 t2 merge 1 2 t2 varNe 1 Ne Ensuite, cliquer sur "Add scenario". Ce modèle peut être visionné en cliquant sur "Check and draw scenario". 7. Définir les lois a priori en cliquant sur "Define priors". Garder les lois a priori par défaut pour les paramètres historiques (lois uniformes entre 10.0 et 10000.0) 8. Cliquer sur "Validate and Save" #################################################################################### ## Définition de modèle mutationnel et statistiques descriptives #################################################################################### 9. Cliquer sur "Set" sous "Genetic data and Summary statistics" 10. Cliquer sur "Auto group" pour selectionner l'ensemble de microsatellites 11. Cliquer sur "Set mutation model" 12. Garder les lois a priori par défaut pour tous les paramètres de mutation, et cliquer sur "Validate" 13. Cliquer sur "Set summary statistics" afin de définir les statistiques descriptives. 14. Sous "One sample summary statistics", cliquer sur "all" pour les statistiques descriptives suivantes: -- Mean number of alleles, mean genic diversity, mean size variance 15. Sous "Two sample summary statistics", cliquer sur "all" pour les statistiques descriptives suivantes: -- Fst, Classification index, (dmu)^2 distance 16. Cliquer sur "Validate", puis "Validate and Save" #################################################################################### ## Pré-évaluation des lois a priori #################################################################################### 17. Dans l'onglet "Total required number of simulated data sets", taper 100000 afin d'effectuer un premier ensemble de simulations, cliquer sur "Run computations", puis cliquer sur l'onglet "Analyses" 18. Cliquer sur "Define new analysis" 19. Choisir un nom pour la pré-évaluation des lois a priori (e.g., "pre-eval"), cliquer sur "Pre-evaluate scenario-prior combinations" et cocher les deux cases "Principal component analysis" et "Locate observed SS among simulated SS" 20. Cliquer sur "Validate", puis "Launch" 21. Visualiser les résultats en cliquant sur "View results" #################################################################################### ## Effectuer l'ensemble des simulations #################################################################################### 22. Cliquer sur l'onglet "Reference table", puis dans "Total required number of simulated data sets", taper 1000000 afin d'effectuer l'ensemble de simulations. Cliquer sur "Run computations". Cette étape prendra du temps. #################################################################################### ## Estimation des lois a posteriori approchées #################################################################################### 23. Cliquer de nouveau sur l'onglet "Analyses", puis "Define new analysis" 24. Choisir un nom pour l'évaluation des lois a posteriori approchés (e.g., "estim"), cliquer sur "Estimate posterior distributions of parameters" 25. Cliquer sur "Validate", puis "Validate". Pour "Number of selected data", utiliser 10000; pour "Transformation of parameters", utiliser "logit"; pour "Chosen number of simulated data", utiliser 1000000; et pour "Choice of parameter", utiliser original, composite, et scaled. Cliquer sur "Validate", puis "Launch" 26. Visualiser les résultats en cliquant sur "View results" #################################################################################### ## Evaluation du modèle #################################################################################### 27. Cliquer de nouveau sur l'onglet "Analyses", puis "Define new analysis" 28. Choisir un nom pour l'évaluation du modèle (e.g., "modelcheck"), cliquer sur "Perform model checking" et cocher les deux cases "Principal component analysis" et "Locate observed SS among simulated SS" 29. Cliquer sur "Validate", puis "Validate". Pour "Number of selected data", utiliser 10000; pour "Transformation of parameters", utiliser "logit"; pour "Chosen number of simulated data", utiliser 1000000; pour "Number of data sets simulated from the posterior", utiliser 1000 30. Cliquer sur "Redefine summary statistics of group". En plus des statistiques descriptives déjà définies, cliquer sur "all" pour les statistiques descriptives suivantes sous "One sample summary statistics": -- Mean Garza-Williamson's M Cliquer sur "all" pour les statistiques descriptives suivantes sous "Two sample summary statistics": -- Mean number of alleles, mean genic diversity, mean size variance, shared allele distance 31. Cliquer sur "Validate", puis "Launch" 32. Visualiser les résultats en cliquant sur "View results"