为什么会发生胎位不正的情况_备孕

为什么会发生胎位不正的情况

为什么会发生胎位不正的情况，宝宝在肚子里的姿势位置被称为胎位，胎位正的宝宝容易顺利产出，胎位不正的宝宝容易难产，最好进行剖腹产。那么为什么会发生胎位不正的情况呢？一起来看看吧。

为什么会发生胎位不正的情况1

1、孕妇羊水过多或过少

羊水过少多使胎儿活动范围过大，当胎儿活动过大时就会使胎位变得宽松。而羊水过少会造成胎儿活动范围过小，无法正常活动导致胎位不正。

2、多胞胎

多胞胎会造成胎儿活动范围过小、过于拥挤，无法正常活动从而导致胎位不正。

3、产妇骨盆狭窄、胎儿巨大、胎盘前置

骨盆狭窄、胎儿巨大、胎盘前置会使胎头衔接受阻，使得胎儿发生挤压从而胎位不正。

4、产妇腹壁松弛

腹壁松弛会造成腹肌对子宫失去支撑，变得松弛而导致胎位不正。

5、胎儿畸形、子宫畸形

胎儿、子宫畸形会影响子宫腔空间，造成胎儿在宫腔内的活动范围变化，从而引起胎位不正。

6、脐带过短

脐带太短使得胎儿无法摄取足够的营养，影响胎儿发育，胎儿生长过慢使得活动的空间变大导致胎位不正。

7、子宫疾病

子宫内有肿瘤或其他疾病将会影响胎儿在宫腔内的位置，导致胎位不正。

为什么会发生胎位不正的.情况2

胎位不正怎么纠正

1、做膝胸卧位来纠正

每天早晚各1次，每次做l5分钟，连续做1周，每周检查一次看胎位是否转正。其姿势是，在硬板床上，胸膝着床，臀部抬高，大腿和床垂直，胸部要尽量接近床面，注意做前要空腹、松开裤带。

2、艾条炙至阴穴

用艾条炙两小脚趾胛跟部外侧的至阴穴，每日1次，每次l5-20分钟，连续做1周。注意艾卷离皮肤不要太近，以免烧伤皮肤。两种方法可合并使用，如无人帮助，可一先一后运用，如有老公协助，可同时进行。

3、二饮水疗法

每小时饮1碗水(500?800毫升)，每天10碗,连饮3天后休息3天，检查胎位是否纠正。

4、胸膝卧式转胎

孕妈咪解尽小便，放松裤带，跪在铺有软物的硬板床上，头贴床上，侧向一方，双手前臂伸直置于头的两侧，胸部尽量与床贴紧，臀部抬高，大腿与小腿成直角。如此每日两次，开始时每次3～5分钟，以后增至每次10～15分钟，胸膝卧位可使胎臀退出盆腔，增加胎头转为头位的机会。而膝胸卧位对于肥胖或有并发症、合并症的孕妈咪仍是个不小的负担，有人主张采用臀高头低位的睡姿促进胎位转变，但孕妈咪会有很大的不适。

5、激光转胎

激光照射孕妈咪的至阴穴，每日一次，每次10分钟。

PAML 是一个用最大似然法来对DNA和蛋白质序列进行系统发育分析的软件包，此软件由杨子恒教授开发，最新版本为v. 4.9h。

此笔记主要用于记录PAML分析中遇到的一些问题，并长期更新。

PAML主页

PAML手册

PAML FAQs

PAML discussion group

PAML理论基础原则蛋白编码基因（protein coding sequence）的自然选择压力水平可以通过dN/dS(ω)值的大小来衡量，其中，dS代表同义替换率（synonymous rate），dN代表非同义替换率（non-synonymous rate）。在没有受到选择压力时，同义替换率和非同义替换率相等，此时dN/dS = 1；当受到负选择或净化选择压力时，自然选择会阻止氨基酸发生改变，同义替换率会大于非同义替换率，即dN/dS <1当受到正选择压力时，氨基酸的置换率会受自然选择的青睐，即蛋白功能可能会发生适应性改变，此时dN/dS >1。

PAML简易流程

要正常运行paml软件，需要四个标准文件：

树文件设置:

需要注意的是，Newick格式的树尾部一定要有分号，没有的话程序无法正常运行。

在paml分析里面，主要涉及四种模型：位点模型（site-model）、支模型（branch model）、支位点模型（branch site model）以及进化支模型。位点模型通常适用于检测某一支系普遍性、广泛性的正选择，这种正选择是由于位点持续改变所引起的，例如，适应多种病原体；支模型主要是检测某一支系是否存在快速进化、选择压力约束以及正选择，但却无法检测到正选择位点；支位点模型比较准确与稳定，适用于检测某一支系断点性的正选择事件，此结果是由于适应某一时期环境改变所引起的，通常会保留在后代中；进化支模型（clade model），则主要是判别不同物种之间是否存受分化选择压力作用，不局限于正选择，它一次可以标记多个分支进行比较。

M0 ：假设所有位点具有相同的dN/dS值；

M1a ：假设存在两类位点—保守位点0 <dN/dS <1，中性进化位点dN/dS = 1，并且估算这两类位点的比率（p0，p1）和ω值（ω0，ω1）；

M2a ：假设存在三类位点——纯化选择位点dN/dS <1，中性进化位点dN/dS = 1与正选择位点dN/dS >1，并估算三类位点的比率（p0，p1，p2）；

M3 : 离散模型，假设所有位点的ω值呈离散分布；

M7 ：假设所有位点0 <ω <1且呈现beta分布；

M8 ：在M7模型的基础上，增加一类正选择位点（ω >1 ）

M8a :与M8类似，只不过是将新增的ω固定为1；

位点模型的Codeml.ctl参数设置：

one rario ：假设所有的进化谱系都具有相同的ω值；

free ratio ：假设所有的支系都具有独立的ω值；

two ratio ：假设前景支与背景支的ω不同

分支模型的Codeml.ctl参数设置：

假定位点间的ω值是变化的，同时也假定支系间的ω值是变化的。该模型主要用于检测前景支中正选择作用对部分位点的影响。

modelA null（零假设） ：ω值设定为固定值1

modelA（备择假设） ：估算其ω值是否大于1

背景支与前景支具有相同的位点ω值：

K0：前景支与背景支中的位点受到纯化选择0 <ω <1；

K1：前景支与背景支中的位点处于中性进化0 <ω = 1

背景支与前景支具有不同的位点ω值：

K2a：前景支处于中性进化，而背景支处于纯化选择；

K2b：前景支受到正选择压力（ ω>1 ），而背景支处于中性进化；

支位点模型的的Codeml.ctl参数设置：

与枝位点模型类型，能同时检测多个进化枝（Clade），但是该模型并没有将背景支的dN/dS值约束在（0,1）。

简单的区别方法就是，有根树的祖先节点是二叉树，而无根树为三叉树，举个例子：

在使用codeml时，如果没有指定有根树参数却使用了有根树作为输入，那么在输出结果中将会得到这样的报错信息： "This is a rooted tree. Please check!" 。对于大多数模型，即使使用有根树，其该模型似然值仍然是正确的，但是root周围两个分支的长度不稳定，因为它们的和是估计值。对于其他模型，似然估计和参数估计都是不正确的。 因此，分析时确实应该注意到这一信息，并尽可能使用一棵无根树。 我们可以使用R包 ape 将有根树转换为无根树：

在多序列比对过程中，对齐gap是极其困难的，paml软件包没有办法无法处理gap。因此，我们可以通过设置 cleandata = 1 来去除gap；此外，还可以将gap当作为模糊字符进行处理。但是，这都不是最好的解决办法，这两种策略都低估了序列差异。就个人而言，我认为除了一个或两个序列之外，大多数序列都有序列信息的位点也许应该保留，而除了一个或两个序列之外，所有序列都有对齐间隙的位点最好被移除。因此，选择合适的多序列比对软件以及过滤软件，尤其重要。

如果检测前景支时，其dN/dS >1时，我们可以认为它受到正选择作用。但是，如果其dN/dS <1但大于背景支时，就不能认为它是受正选择作用的，选择压力约束放松可能是较为合理的解释。此外，在 Ohta's 的微有害突变假说下，净化选择在大种群中比在小种群中更有效，因此不同谱系的种群规模的差异提供了另一个相容的假设。如果氨基酸的变化是稍微有害的，我们预计在大群体中它们从群体中移除的速度会比在小群体中更高。因此，即使两系在选择压力或基因功能上没有差异，我们也期望在一个大群体中看到一个较小的dN/dS比值，例如，许多核基因的dN/dS比值在啮齿类动物中低于灵长类或偶蹄类。

通常，如果一个位点在一种模型下出现在列表中，那么在另一种模型下也会有相当大的概率。如果你以这种方式看待它们，结果可能没有太大不同。确定位点的问题很困难，而且容易出错。这种情况类似于从一个班级中得到排名前几的学生。列表包含的内容越多，质量就越差。因此，我们通常会认为后验概率大于95%或者99%的位点，是比较可信的。

如果你是关注某一个节点，则可以使用"#"；如果是关注某一类群，则可以使用"$"。对于位点模型以及free ratio分析，无需标注前景支；对于支模型以及进化支模型，单次分析可以标注多个前景支；但支位点模型单次分析仅能标注一个前景支。

上面的两个例子其实是等同的，因此可以标记大的分支，包括其祖先节点以及现生节点。而 #1 仅仅是表示末端枝或者祖先节点。

这里有一些关于嵌套进化枝标签的规律。符号#的优先级高于$，树顶端的进化枝标签优先于接近根处的祖先节点的进化枝标签。下面的两棵树也是一样。第一个树中$1适用于整个胎盘哺乳动物的进化枝（除人类世系外），$2适用于兔与鼠的进化枝。

使用TreeView软件可以很方便的创建树文件并且检查树和标签是否正确。上面作为例子的树都可以被TreeView识别。在TreeView X中，你必须使用单引号来标记。如下：

此外，还可以同时标注多个支为统一前景支，例如

链接1

链接2

[图片上传失败...(image-4ab1a5-1584449462345)]

某一基因，在动物祖先发生基因复制，分化为A，B两个不同支系。

较高的dN/dS值可以解释为正选择或者快速进化。尽管突变本身也处于选择压力之中（大多数为净化选择），但不可以解释为“基因A增加了突变的选择压力”，因为突变是随机发生的。原则上讲，突变率会同时影响dN、dS，但通常dN/dS不受突变率影响。

dN/dS是一种进化速率，但它不是突变速率，因为同义和非同义替代率具有不同的选择约束水平。选择压力测试的基本原理是：它假设同义替换是中性进行，也就是说，它们大多是在遗传漂移下进化的。如果这是真实情况，那么dS可以用作（中性）突变率的替代。然而，非同义替代率总是处于净化选择压力，在正选择下程度较小。因此，dN/dS是中性偏离的度量。所以，dN >dS，既dN/dS >1,则受到正选择；如果dN小于dS，则dN/dS <1，则是净化选择。选择压力测试的关键就是它通过特定基因的同义替换的“中性”进化速率归一化非同义替换的速率。

在任何情况下，使用代表真实演化历史的基因树都是最好的。但是，有时可能无法轻易判断是否符合真实演化历史，那么你可以选择物种树作为代替。基因组水平分析，那么推荐使用物种树。你可以可以使用基因树和物种树进行数据稳健性测试。

如果以哺乳动物祖先为前景，假设该基因在共同祖先中存在适应性，可能是由于获得了新的功能，但随后该基因在净化选择下得到了保守进化。如果你把整个clade作为前景，那么假设该基因在整个哺乳动物中的所有分支都承受着持续的压力来改变或多样化，如果该基因涉及到防御或免疫，则可能是这种情况。

对于到底是检测祖先，还是整个枝系，取决于生物学问题。例如，溶菌酶在所有colobine猴子中都应该具有相同的功能，因此蛋白质在clade内被期望受到选择性约束，但在colobine clade的分支上，该酶显然获得了一个新的功能，其正选择驱动了氨基酸的变化。有了这个假设，你就应该把分支的祖先贴上clade的标签，而不是那些在clade中的分支。

经常遇到审稿人的审稿意见是这样的：前景分支上正选择的基因的重要支持并不意味着在背景分支上没有正选择，这些基因可能仍在许多（即使不是全部）背景分支上处于正选择状态。为了检验原假设（基因仅在前景支受到正选择）是否正确，可以进一步通过Clade模型检验，因为进化枝模型允许在不限制背景dN/dS小于1的约束下估计前景支与背景支dS/dN的比率。

一种可能性是，对整个基因有积极选择的证据，但每个单独位点的信息或证据太弱。可以查看rst文件，该文件具有所有站点的后验概率，以查看是否是这种情况，mlc文件只列出后验概率高于0.5的文件。

可能是因为codeml在删除gap或模糊字符的列，之后重新编号位点了（cleandata =1）。

遇到这种极大值的dN/dS时，比如ω = 999，首先要确保你的序列是否正确；其次，该位置的dn，ds是否远小于0.0001，枝长是否过小。显然，高度相似的序列和非常发散的序列都不是信息丰富的，很难指定确切的值。为了避免此类问题的出现，可以先通过M0模型获得枝长，再将具有分支长度的进化树应用到codeml，并在ctl中设置FIX_blength=2。

如图所示，红色分支代表表型趋同的进化分支，如果你想通过分支位点模型来检测适应性趋同进化，应该将所有红色分支统一设置为前景分支。当然，前提是假设所有前景支均具有相同的位点受到正选择。对于背景支是否同样存在类似的适应性趋同，可以通过clade进化支模型进行检测。

p0/ω0,p1/ω1,p2=(1-p0-p1)/ω2 ：在正选择分析的备择假设结果文件中，通常会获得三个p值，其中，p0代表处于净化选择下的位点概率；p1代表处于中性进化下的位点概率；p2则代表处于正选择下的位点概率。

可以使用two ratio备择假设（fix_omega = 0 omega = 1）与two ratio零假设（fix_omega = 1 omega = 1）进行统计假设检验。

codeml检测选择约束放松可以通过2步完成：首先，确定dN/dS显著增加的情况（由于正选择或者选择约束放松）；然后，过滤掉显著正选择的情况。

针对于CladeC和CladeD模型，一般要设置几个不同的起始ω，测试其lnL值是否稳定（ω=0.001，ω=0.01，ω=0.1，ω=0.5，ω=1，ω=1.5），最终一般会选取lnL较大的值作为最终值。

正常分析，应该先用M0估计树的枝长，Kappa值，然后用跑出来的树作为初始树，并设置 fix_blength = 2 。

链接1

链接2

CladeC经常用于检测，不同分支的分化选择压力，但有时候检测到前景枝dN/dS>1，此时我们需要进一步利用CladeC的零假设进一步测试（fix_omega=1,omega=1），或者利用branch-site进一步验证一致性。

free ratio模型估计通常会造成较大的抽样误差，例如，较短的分支通常会具有较大的dS/dN。所以，一般对于free ratio出现dN/dS >999或者dN、dS <0.0005结果不建议采用。

在dataset中，有三个clade：A, B, C，那么在clade 1和clade 2之间是否存在显著差异？

假设，前景枝的标注如下所示：