POPGENE中文教程：从.NTS数据格式到Fst与Nm计算避坑指南

简介：这份PDF文档是POPGENE软件的中文使用教程参照，面向从事物种遗传分析、群体遗传学研究的科研人员与相关专业学生。POPGENE是一款基于Windows的免费遗传分析软件，采用C++编写，提供数据显示窗口与对话框两类计算环境，可完成基因频率、等位基因数量、有效等位基因数量、多态性位点、基因多样性、Shannon信息指数、F-统计量、基因流、遗传距离、树形图及中性检验等分析。教程系统梳理了软件窗口菜单的八大模块，并分别讲解单倍体与二倍体数据分析对话框的操作逻辑，涵盖单群体、分组与多群体三个层级结构，同时给出输入文件格式规范与示例，帮助读者快速掌握数据准备与参数设置方法。资源包内仅含1个PDF文件，大小约1.03MB，轻量便携，便于随时查阅。目前已有346人学习，适合需要借助POPGENE完成遗传多样性评估与群体结构分析的研究者参考使用。

1. 从一份 32 位时代的遗传分析手册说起：POPGENE 中文教程到底能帮你做什么

如果你手里有一批同工酶、RAPD 或者早期 SSR 的群体遗传数据，需要算 Nei 遗传距离、Fst、基因流 Nm、Shannon 信息指数，又不想为了一个指标去啃整套 R 包，那 POPGENE 大概率是你绕不开的名字。它诞生于 1990 年代，是加拿大阿尔伯塔大学 Francis Yeh 团队开发的群体遗传分析工具，1.31/1.32 版本至今仍被大量中文论文引用。问题在于，软件界面是英文的，输入文件格式又极其挑剔，很多刚接触群体遗传的研究生拿到数据后第一步就卡在“格式报错”上。这份《POPGENE中文使用教程参照.pdf》解决的正是这个断层：它把软件界面、数据格式、参数含义和结果文件逐项翻译成中文，让你不用在英文帮助文档和报错信息之间反复横跳。适合谁？做群体结构、遗传多样性、遗传分化分析的硕士博士，以及需要复现老论文指标的科研人员。不适合谁？只想跑 GWAS 或全基因组选择的人，POPGENE 的位点规模撑不住。

2. POPGENE 的数据格式与输入文件：从 Excel 到 .NTS 的完整转换

2.1 为什么 POPGENE 对输入格式如此苛刻

POPGENE 读取的是纯文本文件，默认扩展名是 .NTS，本质上是按固定列宽组织的 ASCII 文本。它不像 GenAlEx 那样能直接吞 Excel，也不像 Arlequin 那样有图形化导入向导。软件在解析时按行读取，第一行是标题，第二行开始是位点数和个体数，之后每个个体占一行，基因型用数字或字母编码。只要列宽错一位、分隔符多一个空格，程序就会抛出 “Error in reading data file” 或者直接闪退。这种“黑匣子”式的报错让很多人第一次用就翻车。理解它的解析逻辑，比反复试错更重要：POPGENE 期望的是“显式声明 + 定长字段”，而不是“智能推断”。

2.2 从 Excel 整理到 .NTS 的实操步骤

假设你有一份 Excel，第一列是群体编号，第二列是个体编号，后面每两列是一个位点的两个等位基因。先把它整理成 POPGENE 要求的顺序：所有群体按顺序排列，每个个体一行，位点等位基因依次排列。下面是一个 Python 转换脚本，把常见的“宽表”转成 .NTS 格式。

import pandas as pd # 读取原始 Excel，假设第一行是表头 df = pd.read_excel("raw_data.xlsx") # 群体列名和个体列名按实际修改 pop_col = "Population" ind_col = "Individual" # 位点列：假设每个位点两列，列名如 L1_a, L1_b, L2_a, L2_b ... loci_cols = [c for c in df.columns if c not in [pop_col, ind_col]] # 按群体排序，保证同一群体个体连续 df = df.sort_values(by=[pop_col, ind_col]) # 位点数 n_loci = len(loci_cols) // 2 # 个体数 n_ind = len(df) lines = [] # 第一行标题，可自定义 lines.append("POPGENE data converted from Excel") # 第二行：位点数 个体数 lines.append(f"{n_loci} {n_ind}") for _, row in df.iterrows(): # 每个位点两个等位基因，用空格分隔 alleles = [] for i in range(n_loci): a = str(row[loci_cols[2*i]]).strip() b = str(row[loci_cols[2*i+1]]).strip() alleles.append(f"{a} {b}") # 行首加个体编号或群体编号，POPGENE 允许但非必须 lines.append(" ".join(alleles)) with open("output.NTS", "w", encoding="ascii") as f: f.write("\n".join(lines))

这段脚本的逻辑很直接：先按群体排序，确保同一群体的个体在文件中连续，因为 POPGENE 后续计算群体间指标时依赖这个顺序。第二行的两个数字必须严格对应位点数和个体数，写反了程序不会报错但结果全错。每个位点的两个等位基因之间用空格分隔，位点之间也用空格，不要用制表符。等位基因编码建议用数字（如 1/2/3）或单字母（A/B/C），不要用多字符字符串，否则列宽会乱。常见做法是先把 Excel 另存为 CSV，用脚本处理后再手动检查前 10 行，确认没有多余空格或空行。

2.3 参数文件与运行配置

POPGENE 运行时会生成一个 .NTS 同名但扩展名不同的配置文件，或者通过菜单手动设置。关键参数包括：位点类型（共显性/显性）、遗传距离模型（Nei 1972 / Nei 1978）、是否计算 Hardy-Weinberg 平衡、置换检验次数。对于 RAPD 这类显性标记，必须把位点类型设为显性，否则杂合子会被误判。置换检验次数默认 1000，如果只是初步探索可以降到 100 加快速度，但正式发表建议保持 1000 以上。这些参数在中文教程里都有对应截图，照着勾选即可，但要注意版本差异：1.31 和 1.32 的菜单布局略有不同，教程如果基于 1.31，1.32 用户需要多找一步。

3. 核心指标计算与结果解读：Fst、Nm、Shannon 指数怎么用

3.1 遗传多样性指标：Na、Ne、H、I

POPGENE 输出的第一个大表是各群体的遗传多样性参数。Na 是观测等位基因数，Ne 是有效等位基因数，H 是 Nei 基因多样性，I 是 Shannon 信息指数。新手最容易混淆的是 H 和 He：POPGENE 里的 H 通常指 Nei 1973 的基因多样性，等同于期望杂合度 He。解读时注意，Ne 永远小于等于 Na，如果出现 Ne 大于 Na，说明数据里有位点等位基因频率计算异常，常见原因是某些位点在所有个体中只有一种等位基因，有效等位基因数会趋近于 1 而不是 0。Shannon 指数 I 对显性标记更稳健，RAPD 数据建议优先看 I 而不是 H。这些指标在中文教程里通常有公式说明，但公式里的符号和软件输出列名不一定一一对应，需要对照结果文件里的列标题逐列确认。

3.2 群体分化：Fst、Gst 与基因流 Nm

Fst 和 Gst 是衡量群体间遗传分化的核心指标。POPGENE 同时输出两者，Fst 基于方差分析，Gst 基于 Nei 基因多样性。对于共显性标记，两者差异不大；对于显性标记，Gst 更常用。基因流 Nm 由 Fst 推导：Nm = (1 - Fst) / (4 * Fst)。当 Nm 大于 1 时，通常认为群体间基因流较高，分化较小；小于 1 则分化明显。但这里有个血泪经验：Nm 的解读高度依赖标记类型和样本量，小样本下 Nm 波动极大，不要拿单个位点的 Nm 下结论。中文教程里一般会给出 Nm 的计算公式和阈值参考，但不会强调样本量影响，这是需要自己补课的地方。

3.3 遗传距离与聚类分析

POPGENE 可以输出 Nei 遗传距离（Nei 1972）和遗传一致度，然后用于构建 UPGMA 或 NJ 树。但 POPGENE 本身不画树，它只输出距离矩阵，你需要把矩阵复制到 MEGA 或 NTSYS 里建树。常见坑是：距离矩阵的格式在不同软件间不兼容，POPGENE 输出的是下三角矩阵，MEGA 需要完整矩阵或特定格式。我一般会先把矩阵粘贴到 Excel，补全对称部分，再导入 MEGA。另外，Nei 1972 和 Nei 1978 距离在群体数较少时差异明显，教程里如果只提了一种，建议两种都算一遍对比。聚类结果的 bootstrap 支持率在 POPGENE 里无法直接生成，需要额外做置换检验，这一步中文教程往往省略，导致很多人以为 POPGENE 能直接出带支持率的树。

4. 避坑与排查：POPGENE 报错、结果异常与版本兼容

4.1 报错 “Error in reading data file”

现象：双击运行后弹出错误框，或者命令行一闪而过。原因：.NTS 文件格式不符合定长或空格分隔规则，常见于 Excel 直接改扩展名、行尾有不可见字符、位点数和个体数写反。解决：用 Notepad++ 打开文件，显示所有字符，检查是否有 \r\n 混用或多余空格；确认第二行两个数字的顺序是“位点数 个体数”；把文件另存为 ANSI 编码，不要用 UTF-8 with BOM。

4.2 结果里 Fst 为负值或 Nm 无穷大

现象：Fst 出现负数，Nm 显示为 inf 或极大值。原因：Fst 为负通常是因为群体内观测杂合度高于期望，可能是数据里杂合子过多，或者位点类型设错（显性标记当共显性算）。Nm 无穷大是 Fst 接近 0 时的数学结果，不代表真实基因流无限大。解决：检查位点类型设置，RAPD 必须选显性；如果 Fst 负值只出现在个别位点，可以接受，但整体为负需要重新检查数据编码；Nm 极大值时直接报告 Fst 即可，不要强行解释 Nm。

4.3 软件在 Windows 10/11 上无法运行或闪退

现象：双击图标没反应，或者打开后菜单乱码。原因：POPGENE 是 16 位/32 位程序，现代 64 位 Windows 不兼容，且默认字体不支持中文路径。解决：右键属性设置兼容模式为 Windows XP SP3，勾选“以 256 色运行”；把软件和 .NTS 文件放在纯英文路径下，路径中不要有空格和中文；如果仍然闪退，用 DOSBox 模拟环境运行，这是目前最稳的方案。

4.4 中文教程与软件版本不匹配

现象：照着教程点菜单，找不到对应选项。原因：教程基于 1.31，你装的是 1.32，或者反过来。解决：先确认软件版本号（帮助菜单关于），然后对照教程目录找对应章节；1.32 在遗传距离部分多了几个选项，但核心流程一致；如果教程截图里的按钮名称和你的界面不同，优先按功能找，不要死记位置。

4.5 输出结果文件乱码或列不对齐

现象：结果文件用记事本打开是一堆乱码，或者列标题和数字错位。原因：POPGENE 输出的是固定列宽文本，用 Word 或某些编辑器打开会重新换行。解决：用 Notepad++ 或 VS Code 打开，关闭自动换行，设置字体为等宽字体；如果列错位，检查原始 .NTS 文件里是否有某个等位基因编码长度不一致，比如有的用 1 有的用 10，导致列宽漂移。

5. 进阶技巧：用脚本批量处理 POPGENE 输出与结果验证

5.1 批量提取 Fst 和 Nm 并整理成表

POPGENE 每次运行只处理一个数据文件，如果你有几十个群体组合要算，手动复制结果会疯。常见做法是用 Python 批量调用 POPGENE 命令行模式（如果版本支持），或者至少批量解析输出文件。下面脚本从 POPGENE 输出的 .FST 文件里提取所有位点的 Fst 和 Nm，汇总成 CSV。

import re import pandas as pd def parse_fst_file(filepath): # POPGENE 输出的 Fst 文件通常包含每个位点的 Fst 和 Nm with open(filepath, "r", encoding="ascii", errors="ignore") as f: text = f.read() # 匹配类似 "Locus1 0.1234 1.776" 的行，具体正则按实际输出调整 pattern = re.compile(r"(\S+)\s+([-\d.]+)\s+([-\d.]+)") records = [] for line in text.splitlines(): m = pattern.match(line.strip()) if m: locus, fst, nm = m.groups() # 过滤掉表头行 if locus.lower() in ("locus", "mean", "total"): continue records.append({"Locus": locus, "Fst": float(fst), "Nm": float(nm)}) return pd.DataFrame(records) # 批量处理多个输出文件 import glob all_dfs = [] for fp in glob.glob("outputs/*.FST"): df = parse_fst_file(fp) df["File"] = fp all_dfs.append(df) final = pd.concat(all_dfs, ignore_index=True) final.to_csv("fst_summary.csv", index=False)

这段脚本的关键在于正则匹配。POPGENE 不同版本输出的列顺序可能不同，有的先 Fst 后 Nm，有的相反，所以先用一个文件测试正则，确认捕获组对应正确。errors="ignore"是为了跳过可能的非 ASCII 字符。汇总后的 CSV 可以直接丢进 R 或 SPSS 做后续统计。注意：如果输出文件里有多行表头或分隔线，正则要相应调整，不要指望一个模式通吃所有版本。

5.2 用模拟数据验证 POPGENE 结果

POPGENE 没有内置的模拟模块，但你可以用 Python 生成已知 Fst 的模拟数据，跑一遍 POPGENE，看输出是否接近理论值。比如用msprime或简单的随机漂变模拟，生成两个群体、每个群体 50 个体、10 个 SSR 位点的数据，设置真实 Fst 为 0.05，然后转成 .NTS 格式跑 POPGENE。如果输出 Fst 在 0.03 到 0.07 之间，说明流程没问题；如果偏离很大，检查位点类型和样本量。这个验证步骤在中文教程里通常没有，但它是区分“会点菜单”和“真正理解工具”的分水岭。我一般会在正式分析前用模拟数据走一遍全流程，确认参数设置和输出解读没有系统性偏差。

5.3 结果报告里必须写清楚的三个参数

最后，不管你算多少指标，报告里一定要写清楚：位点类型（共显性/显性）、置换检验次数、样本量（每个群体的个体数）。这三个参数直接影响 Fst 和 Nm 的可信度。中文教程可能只教你点按钮，但审稿人会追问这些。从那以后我每次跑 POPGENE，都会在结果文件旁边建一个README.txt，把这三项和软件版本号写进去，免得半年后自己都忘了当时怎么设的。希望帮到你。

本文还有配套的精品资源，点击获取