本文介绍的方法都是基于Extended Haplotype Homozygosity (EHH)概念，由SABETI 等人在 2002年提出。简单来说，根据selective sweep的概念，一个位点周围的位点如果多样性越低，就越有可能是因为selective sweep留下的选择印迹。

EEH计算举例：

一个简单的计算。令红色一行为focus的core SNP，那么向下数三个位点，计算它们的多样性（类似于交叉熵的东西，离散指数，香农商，whatever），显然多样性越低，这个core是受选择位点的可能性越高
参考：https://static.epcc.ed.ac.uk/dissertations/hpc-msc/2013-2014/Hapbin:%20An%20Efficient%20Method%20for%20Calculating%20EHH%20and%20iHS%20of%20Genetic%20Datasets.pdf

这里有三篇介绍selective sweep的文章，讲得很好：
https://www.icode9.com/content-4-803828.html
https://www.plob.org/article/2345.html
https://www.jianshu.com/p/82719840ec4a

rehh tutorial：
https://cran.r-project.org/web/packages/rehh/vignettes/rehh.html#computing-ihs-rsb-and-xp-ehh

有很多衍生的统计量：EHH（Extended Haplotype Homozygosity）、iHS（Integrated Haplotype Score） 、XP-EHH（Cross Population Extended Haplotype Homozogysity）、RSB

rehh、selscan和hapbin都是基于EHH及其衍生概念的
Hapbin可以看这篇（但是hapbin无法处理缺失位点，不建议用）：
使用Hapbin基于EHH、iHS、XP-EHH方法检测基因组中的选择信号

前提：染色体要有重组！Y和W染色体不能用这种方法

本文只写两个群体之间的单倍型选择信号检测，单个群体内部的不写，但是rehh也可以做，很方便

rehh

rehh是一个R包

1. 安装：

BiocManager::install("rehh")

2. 准备输入文件

2.1 .hap文件

群体1.hap 群体2.hap

第一列个体名，后面每一列一个SNP。跟reference一样的就是0，第一种不一样的就是1，第二种不一样的就是2，以此类推。比如ref是G，那假设SNPs中还有T和A两个等位基因，就分别标为1和2。缺失值可以用[NA]或者[.]。每个群体一个文件。

2.1 .map文件

.map

第一列SNP名称，随便起。第二列染色体名称。第三列染色体上的位点。第四列是major allele，一般就是0。第五列是minor allele，有一个1就填1，有1和2就填1,2。如图。两个群体用同一个文件就行。

注意，如果有好几条染色体，每条染色体要分别产生这两个文件，每条染色体分别跑。

3. 运行rehh

library(rehh)
####输入 MN 群体的数据
hh_map1 <- data2haplohh(hap_file = "Pop1.chr18.MN.hap",
                       map_file = "Pop1.chr18.map",
                       allele_coding = "01",
                       verbose = FALSE)

####输入 QH 群体的数据
hh_map2 <- data2haplohh(hap_file = "Pop2.chr18.QH.hap",
                       map_file = "Pop2.chr18.map",
                       allele_coding = "01",
                       verbose = FALSE)

### genome-wide 的 scan
res.scan1 <- scan_hh(hh_map1, discard_integration_at_border = FALSE)
res.scan2 <- scan_hh(hh_map2, discard_integration_at_border = FALSE)

#### 这里同时跑了 xpehh和rsb两种方法，但其实差不多，后者对core标准化，而前者不
res.xpehh <- ies2xpehh(res.scan1, res.scan2, "MN", "QH")
res.rsb<-ines2rsb(res.scan1, res.scan2, "MN", "QH")

### 把结果输入到文件
write.table(res.xpehh,"Pop1.chr18.xpehh.txt",quote=F,row.names=F)
write.table(res.rsb,"Pop2.chr18.rsb.txt",quote=F,row.names=F)


pdf("Pop.MN_QH.plot.pdf")
distribplot(res.xpehh$XPEHH_MN_QH)
title(sub = "xpehh_chr18")
manhattanplot(res.xpehh,pval=T)
### 画曼哈顿图
#### 这里选择了输出-log（p）值，如果不加pval参数，输出的就是统计量
title(sub = "xpehh_chr18")
distribplot(res.rsb$RSB_MN_QH)
title(sub = "rsb_chr18")
manhattanplot(res.rsb,pval=T)
title(sub = "rsb_chr18")
dev.off()

4. 结果

注意结果的Pvalue是-log10(p-value) image.png image.png