ドイツ・バーコード・オブ・ライフ・キャンペーンの一環として、3500以上のクモ形類標本が収集され、分析された。これはドイツで記録されているクモ相の約60％、ハルクモ相の70％以上に相当する。圧倒的多数の種がDNAバーコーディングによって容易に同定できた。最も近い種間の距離の中央値はクモで約9％、ハ虫類で約13％で、95％のケースで種内距離はそれぞれ2.5％と8％以下であり、種内中央値は0.3％と0.2％であった。しかし、20種近くのクモ、特にリュウグウノツカイ科のクモはDNAバーコーディングでは分離できなかった（多くのクモは明確な形態的差異を示すが）。また、顕著に高い種間距離がさらに多くのケースで見つかり、いくつかのケースでは隠蔽種を示唆した。新しいプログラムを紹介する： DiStatsはDNAバーコードのリリース基準を満たすために必要な統計量を計算する。さらに、幅広い分類群（クモ類以外も含む）に有用な新しい汎用COIプライマーが紹介されている。
DiStatsは入力FASTAファイル中の全配列の距離統計量を計算する。
HP
https://bonn.leibniz-lib.de/en/research/research-centres-and-groups/distats
インストール
標準のperlライブラリで動作する。
https://github.com/mptrsen/distats
git clone https://github.com/mptrsen/distats.git
cd distats/
perl distats.pl
> perl distats.pl
$ perl distats.pl
USAGE: perl distats.pl [OPTIONS] FASTA_FILE (.fasta) OUTPUTFILE (.txt or .csv)
Options:
--real_values original results with endless decimal places, no option: results in percent with two decimal places
--distance=X use different distance matrix X. Possible values are 'p' and 'k2p'. Default: 'p'
--num_threads=N use N threads for calculating the distance matrix
--nosubspecies do not treat subspecies as separate species; they are merged into one species
--print_dist_matrix print distance matrix into a file
実行方法
multi-fastaファイルと出力ファイル名を指定する。配列は、前もって整列された同じ長さの塩基配列アラインメントを含むFASTAファイルでないといけない。
ヘッダーは以下のフォーマットでなければならない： >Genus_species|Sequence0001、すなわち、最初に属名と種名をアンダースコアで区切り、パイプの後に一意な配列識別子（ユニークな通し番号など）が必要。
>Drosophila_melanogaster|Sequence0001
ctctatatttaatatttggggtttggtcagctataatagggactgctataagagtattaa
ttcgaatagaattaggaaatcctgggagattgttaggagatgatcatttatataatgtta
tagttactgctcatgcttttgtaataattttttttatagtaataccaattcttattggag
>Drosophila_yakuba|Sequence0002
ctttatatttaatatttggggtttggtcagctataatagggactgctataagagtattaa
ttcgaatagaattaggaaatcctgggagattgttacgagatgatcatttatataatgtta
tagttactgctcatgcttttgtaataattaattttatagtaataccaattcttattggag
準備ができたら実行する。
perl distats.pl input.fasta output
デフォルトでは、DiStatsはp距離を計算し、結果を小数点以下2桁のパーセント値で表に表示する。
論文より
- このスクリプトは、各生物種の統計情報を含む表と、オプションでデータセット内のすべてのペアワイズ距離のマトリックスを生成する。
- 1000個のCOIバーコード配列を含むアラインメントの場合、シングルスレッド（3.4GHzのプロセッサー）で解析すると約6分かかる。DiStatsのアルゴリズム複雑度(O)は約O(n2)であり、これは入力配列数(n)に応じて実行時間が指数関数的に増加することを意味する。
引用
Towards a DNA Barcode Reference Database for Spiders and Harvestmen of Germany
Jonas J. Astrin , Hubert Höfer , Jörg Spelda , Joachim Holstein , Steffen Bayer, Lars Hendrich, Bernhard A. Huber, Karl-Hinrich Kielhorn, Hans-Joachim Krammer, Martin Lemke, Juan Carlos Monje, Jérôme Morinière, Björn Rulik, Malte Petersen, Hannah Janssen, Christoph Muster
PLOS ONE, Published: September 28, 2016
