VCF2Dis -i all.chromosome.SNP.changID.vcf -o p_dis.mat //我大概600多份样品，也运行了3天左右
然后利用fastme转化成为树的格式（nwk）（链接：http://www.atgc-montpellier.fr/fastme/）
转化为newick格式
我个人喜欢iTol（https://itol.embl.de/）来调整样式
==================第二种方法 转化vcf文件为phylip 格式==========
python vcf2phylip.py --input myfile.vcf --fasta --nexus
然后，利用phylip构建进化树
phylip 在命令行中可以根据提示输入参数，也可以用含有参数的文本导入参数。
利用 dnadist：计算距离矩阵，最耗时，几千个SNP可能需要1天甚至数天。 参数文本dnadist.par //有点耗时间
$ cat dnadist.par
myfile.vcf.phy
2 #将软件运行情况显示出来
Y #确认以上设定的参数
$ dnadist <dnadist.par
$ mv outfile dnadist.out
生成距离矩阵，然后利用neighbor: Neighbor-Joining 构建进化树
我最好还是在iTOL里面进行样式调整
第二个pipeline主要包括Pyclone+ citup+ Timespace，没有先介绍这个主要是因为Timespace之后的展示结果只有一个cluster，并没有在图上展示出来突变基因，但是通过格式的转换可以使用fishplot来绘图。
PyClone之前分享过安装出现的问题，使用conda安装，过程中会经常报出两类错误，一类是python的版本问题，另一类是依赖包的问题，正常情况下没报出其他错误，之后记得设置一下环境变量即可。
大多数用户将通过创建一组以制表符分隔的(tsv)输入文件来使用PyClone，每个来自癌症的示例都有一个文件。这个文件的有六个必要列，如下。
pyclone软件中例子的数据格式，对于二倍体生物总拷贝数为 2：
A. 大于 0 则拷贝数扩增；
B. 小于 0 则拷贝数缺失；
C. -0.2~0.2 之间则认为是正常。
例子中输入文件格式如下：
运行PyClone最简单的方法是使用PyClone run_analysis_pipeline管道命令：
这将执行对输入文件进行预处理、运行MCMC分析以及进行后处理和绘图的步骤，其中两个必须的参数就是：
——in_files：一组以空格分隔的tsv文件，按照输入格式进行；
——working_dir：结果输出目录。
结果输出四个目录，plots, tables, trace 和 yaml，输出目录如下：
那么输出很多结果文件，这些图表该怎么解读？一开始我也同样是一头雾水，精读两遍文章自然也就迎刃而解了。
1. 首先看plots文件夹， 毕竟人是视觉动物，第一反应看结果肯定是看图，之后在仔细分析表格里面每一列是什么意思，那好吧，先说图。我们发现在子文件夹plots里面有三个pdf命名一致，它们既相同又不同，一个是成cluster来看肿瘤的变化，一个是看每个突变位点在不同时期的变化，如下图表示原发和转移后的细胞患病率变化，横坐标表示0-10个cluster，n=?表示在这个cluster中的位点个数，如下：
而在loci中的显示是表示每个突变位点在不同时期的肿瘤样本中的患病率，如下：
为了展示突变位点在每个样本中患病率的变化，换了另一种表示方式，如下图所示：
为了清晰展示样本间的相关性，利用两两比较的方法，更加明了，如下图：
在子文件夹loci中的 similarity_matrix.pdf 则展示出突变位点的相似性，如下图所示：
2. 其次来看tables文件夹里面的内容包括cluster和loci:
cluster表格共包括5列，看列标ti题大概能够猜出来个一二了，不多说了，cluster如下表格：
loci表格有六列，从列标题可以看出，每个位点都会计算出细胞病死率，其中的 cellular prevalence 对后续分析非常重要，我们需要知道每个样本中cellular prevalence 用于后续的分析， 每个位点的病死率如下：
到此基本上完成使用说明及解读，从结果上来看，我们并未得到想要的克隆进化树以及鱼图，那么下期将讲解怎么才能利用上Pyclone的结果，做出克隆进化的结果，敬请期待明日更新！
日更不易，点个
