怎么使用shapeit進行單倍型分析

怎么使用SHAPEIT進行單倍型分析

1. 引言

單倍型分析是基因組學研究中一個重要的步驟，它可以幫助我們理解基因組的遺傳結構、識別重組事件以及推斷祖先信息。SHAPEIT（SHAPEIT2）是一個廣泛使用的工具，用于從基因型數據中推斷單倍型。本文將詳細介紹如何使用SHAPEIT進行單倍型分析，包括安裝、輸入數據準備、運行命令以及結果解釋。

2. SHAPEIT簡介

SHAPEIT是由牛津大學開發的一款用于單倍型推斷的軟件。它基于隱馬爾可夫模型（HMM）和馬爾可夫鏈蒙特卡羅（MCMC）算法，能夠高效地處理大規?；蚪M數據。SHAPEIT的主要功能包括：

• 從基因型數據中推斷單倍型
• 處理缺失數據
• 支持多線程計算
• 提供多種輸出格式

3. 安裝SHAPEIT

3.1 系統要求

SHAPEIT可以在Linux和macOS系統上運行。確保系統上已經安裝了以下依賴項：

• GCC編譯器
• zlib庫
• OpenMP（用于多線程支持）

3.2 下載和編譯

1. 從SHAPEIT的GitHub倉庫下載最新版本：

   git clone https://github.com/odelaneau/shapeit2.git

1. 進入下載的目錄并編譯：

   cd shapeit2
   make

1. 編譯完成后，會在bin目錄下生成可執行文件shapeit。

3.3 安裝驗證

運行以下命令驗證安裝是否成功：

./bin/shapeit --help

如果安裝成功，將會顯示SHAPEIT的幫助信息。

4. 輸入數據準備

SHAPEIT需要以下輸入文件：

• 基因型文件：包含樣本的基因型信息，通常為PLINK格式（.bed, .bim, .fam）或VCF格式。
• 參考單倍型文件（可選）：用于提高單倍型推斷的準確性，通常為VCF格式。
• 遺傳圖譜文件（可選）：包含SNP的遺傳位置信息，通常為.map格式。

4.1 基因型文件

基因型文件可以是PLINK格式或VCF格式。PLINK格式包括三個文件：

• .bed：二進制基因型文件
• .bim：SNP信息文件
• .fam：樣本信息文件

VCF格式則是一個單一的文件，包含樣本的基因型信息。

4.2 參考單倍型文件

參考單倍型文件通常來自1000 Genomes Project或其他公共數據庫。它可以幫助提高單倍型推斷的準確性，特別是在低密度基因型數據中。

4.3 遺傳圖譜文件

遺傳圖譜文件包含SNP的遺傳位置信息，通常為.map格式。每一行包含一個SNP的染色體、SNP名稱、遺傳位置和物理位置。

5. 運行SHAPEIT

5.1 基本命令

SHAPEIT的基本命令格式如下：

shapeit --input-bed <input_prefix> --input-map <genetic_map> --output-max <output_prefix>

• --input-bed：指定PLINK格式的基因型文件前綴。
• --input-map：指定遺傳圖譜文件。
• --output-max：指定輸出文件的前綴。

5.2 使用參考單倍型

如果使用參考單倍型文件，可以添加以下參數：

shapeit --input-bed <input_prefix> --input-map <genetic_map> --input-ref <reference_vcf> --output-max <output_prefix>

• --input-ref：指定參考單倍型文件。

5.3 多線程支持

SHAPEIT支持多線程計算，可以通過--thread參數指定線程數：

shapeit --input-bed <input_prefix> --input-map <genetic_map> --output-max <output_prefix> --thread <num_threads>

• --thread：指定使用的線程數。

5.4 其他常用參數

• --effective-size：指定有效群體大小，默認值為15000。
• --burn：指定MCMC算法的burn-in次數，默認值為7。
• --prune：指定MCMC算法的prune次數，默認值為8。
• --main：指定MCMC算法的主迭代次數，默認值為20。

6. 結果解釋

SHAPEIT的輸出文件包括：

• .haps：包含推斷的單倍型信息。
• .sample：包含樣本信息。

6.1 .haps文件

.haps文件是一個文本文件，每一行代表一個SNP，每一列代表一個單倍型。文件格式如下：

<chr> <rsid> <pos> <allele1> <allele2> <hap1> <hap2> ...

• chr：染色體編號。
• rsid：SNP的ID。
• pos：SNP的物理位置。
• allele1和allele2：SNP的兩個等位基因。
• hap1和hap2：樣本的兩個單倍型。

6.2 .sample文件

.sample文件包含樣本信息，格式如下：

ID_1 ID_2 missing sex
0 0 0 D
sample1 sample1 0 1
sample2 sample2 0 2

• ID_1和ID_2：樣本的ID。
• missing：缺失數據比例。
• sex：樣本的性別（1=男性，2=女性）。

7. 示例

假設我們有一個PLINK格式的基因型文件data.bed, data.bim, data.fam，遺傳圖譜文件genetic_map.map，以及參考單倍型文件ref.vcf。我們可以使用以下命令進行單倍型推斷：

shapeit --input-bed data --input-map genetic_map.map --input-ref ref.vcf --output-max output --thread 4

運行完成后，將生成output.haps和output.sample文件。

8. 結論

SHAPEIT是一個功能強大且易于使用的工具，適用于從基因型數據中推斷單倍型。通過合理設置參數和使用參考單倍型，可以顯著提高單倍型推斷的準確性。希望本文能夠幫助讀者更好地理解和使用SHAPEIT進行單倍型分析。

9. 參考文獻

• Delaneau, O., Marchini, J., & Zagury, J. F. (2012). A linear complexity phasing method for thousands of genomes. Nature Methods, 9(2), 179-181.
• SHAPEIT GitHub倉庫: https://github.com/odelaneau/shapeit2

通過本文的介紹，讀者應該能夠掌握如何使用SHAPEIT進行單倍型分析。從安裝到輸入數據準備，再到運行命令和結果解釋，本文提供了詳細的步驟和示例。希望這些信息能夠幫助讀者在實際研究中更好地應用SHAPEIT工具。