怎么使用shapeit進(jìn)行單倍型分析

怎么使用shapeit進(jìn)行單倍型分析，相信很多沒(méi)有經(jīng)驗(yàn)的人對(duì)此束手無(wú)策，為此本文總結(jié)了問(wèn)題出現(xiàn)的原因和解決方法，通過(guò)這篇文章希望你能解決這個(gè)問(wèn)題。

歡迎關(guān)注”生信修煉手冊(cè)”!

shapeit是一款單倍型分析工具，運(yùn)算速度快，準(zhǔn)確率高，是impute2官方推薦的pre-phasing工具。

通過(guò)隱馬可夫模型來(lái)分析單倍型，簡(jiǎn)化的模型示意如下

從上到下依次有5個(gè)子圖，用1到5來(lái)表示，需要分成3個(gè)部分來(lái)看。在1圖中，表示的是8個(gè)位點(diǎn)構(gòu)成的8種單倍型，每行表示一個(gè)單倍型，每一列代表一個(gè)位點(diǎn)，2圖中用圖狀結(jié)構(gòu)來(lái)表示上述的單倍型，每個(gè)節(jié)點(diǎn)表示一個(gè)SNP位點(diǎn)，依次用Z1到Z8表示，從1到8的完整路徑代表一個(gè)單倍型。觀察圖1可以發(fā)現(xiàn)，前4個(gè)位點(diǎn)只有3種組成，后4個(gè)位點(diǎn)也是同樣的，通過(guò)4號(hào)位點(diǎn)和5號(hào)位點(diǎn)的不同連線可以表示所有的單倍型，每條邊上的數(shù)字代表對(duì)應(yīng)的頻數(shù)。

圖5表示的是某個(gè)樣本的分型結(jié)果，分別用0,1,2表示不同的狀態(tài)，0表示沒(méi)有突變，1表示雜合突變，2表示純合突變，根據(jù)分型結(jié)果拆分成單倍型的時(shí)候，雜合突變對(duì)應(yīng)2個(gè)allel,  根據(jù)這個(gè)分型結(jié)果可以得到圖4中對(duì)應(yīng)的單倍型構(gòu)成，圖4中ref allel用空白方框表示，alt allel用黑色方框表示，對(duì)于前5個(gè)位點(diǎn)，存在了2個(gè)雜合突變，所以有4種路徑，后3個(gè)位點(diǎn)也是4種。

圖3表示的是該軟件的隱馬可夫模型，將真實(shí)的單倍型當(dāng)做是隱藏序列，將根據(jù)分型結(jié)果預(yù)測(cè)的單倍型當(dāng)做是觀察序列，通過(guò)建模之后來(lái)分析隱藏序列的組成，就得到了真實(shí)的單倍型分析結(jié)果。

在文獻(xiàn)中，將該軟件與其他類似的工具進(jìn)行了比較，結(jié)果示意如下

采用了3個(gè)不同的數(shù)據(jù)集，比較了運(yùn)行時(shí)間和錯(cuò)誤率，shapeit錯(cuò)誤率最低，運(yùn)行速度最快。

該軟件的基本用法如下

shapeit \
--input-bed gwas.bed gwas.bim gwas.fam \
--input-map genetic_map.txt \
--output-max gwas.phased.haps gwas.phased.sample
--thread 8

需要指定的參數(shù)分成了以下3個(gè)部分

1. input  unphased genotypes

支持以下3種格式

1. ped/map

2. bed/bim/fam

3. gen/sample

4. vcf

   
   

前兩種為plink軟件的格式，是GWAS分析最常見(jiàn)的文件格式，第三種格式是WTCCC默認(rèn)的文件格式 第四種是最常見(jiàn)的VCF格式。

不同類型的輸入文件對(duì)應(yīng)的用法如下

shapeit \
--input-ped gwas.ped gwas.map \
-M genetic_map.txt \
--missing-code N \
-O gwas.phased

shapeit \
--input-bed gwas.bed gwas.bim gwas.fam \
-M genetic_map.txt \
-O gwas.phased

shapeit \
--input-gen gwas \
-M genetic_map.txt \
-O gwas.phased

shapeit \
--input-vcf gwas.vcf \
-M genetic_map.txt \
-O gwas.phased

對(duì)于gen/sample文件格式，可以通過(guò)gtool這個(gè)軟件來(lái)進(jìn)行格式轉(zhuǎn)換，

2. genetic map

參考基因組對(duì)應(yīng)的連鎖圖譜，可以提高單倍型分析的準(zhǔn)確性，官方提供了hapmap項(xiàng)目的連鎖圖譜供下載，鏈接如下

http://mathgen.stats.ox.ac.uk/genetics_software/shapeit/shapeit.html#formats

這個(gè)是一個(gè)可選參數(shù)，沒(méi)有的情況下軟件會(huì)根據(jù)線性模型來(lái)進(jìn)行估算。

3. output phased haplotypes

默認(rèn)用后綴為haps和sample的兩個(gè)文件來(lái)描述單倍型， haps文件的內(nèi)容如下所示

每列之間用空格分隔，第一列為snp位點(diǎn)所在的染色體名稱，第二列為snp id，第三列為染色體的位置，第四列為不同樣本中該位點(diǎn)的分型結(jié)果，0代表ref allle, 1代表alt allel, 每?jī)闪袑?duì)應(yīng)一個(gè)樣本。

后綴為sample的文件內(nèi)容如下所示

用來(lái)描述樣本的信息，同樣的空格分隔，前兩行內(nèi)容固定，后續(xù)每一行代表一個(gè)樣本，以上只是該文件最基本內(nèi)容的展示，還可以有更多的列，用來(lái)描述樣本的表型信息。

在impute2中，phased reference panel會(huì)用hap/legend/sample3個(gè)文件來(lái)表示，通過(guò)下列代表可以進(jìn)行格式轉(zhuǎn)換

shapeit \
-convert \
--input-haps gwas.phased \
--output-ref gwas.phased.hap gwas.phased.leg gwas.phased.sam

不同格式的詳細(xì)解釋參考以下鏈接

http://mathgen.stats.ox.ac.uk/genetics_software/shapeit/shapeit.html#formats

事先對(duì)需要填充的樣本進(jìn)行phasing, 可以有效提高填充的運(yùn)行效率，如果后續(xù)使用impute2進(jìn)行基因型填充，推薦使用shapeit對(duì)需要填充的樣本進(jìn)行單倍型分析。

看完上述內(nèi)容，你們掌握怎么使用shapeit進(jìn)行單倍型分析的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！