怎么使用shapeit进行单倍型分析

怎么使用SHAPEIT进行单倍型分析

1. 引言

单倍型分析是基因组学研究中一个重要的步骤，它可以帮助我们理解基因组的遗传结构、识别重组事件以及推断祖先信息。SHAPEIT（SHAPEIT2）是一个广泛使用的工具，用于从基因型数据中推断单倍型。本文将详细介绍如何使用SHAPEIT进行单倍型分析，包括安装、输入数据准备、运行命令以及结果解释。

2. SHAPEIT简介

SHAPEIT是由牛津大学开发的一款用于单倍型推断的软件。它基于隐马尔可夫模型（HMM）和马尔可夫链蒙特卡罗（MCMC）算法，能够高效地处理大规模基因组数据。SHAPEIT的主要功能包括：

• 从基因型数据中推断单倍型
• 处理缺失数据
• 支持多线程计算
• 提供多种输出格式

3. 安装SHAPEIT

3.1 系统要求

SHAPEIT可以在Linux和macOS系统上运行。确保系统上已经安装了以下依赖项：

• GCC编译器
• zlib库
• OpenMP（用于多线程支持）

3.2 下载和编译

1. 从SHAPEIT的GitHub仓库下载最新版本：

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

1. 进入下载的目录并编译：

 cd shapeit2 make 

1. 编译完成后，会在bin目录下生成可执行文件shapeit。

3.3 安装验证

运行以下命令验证安装是否成功：

./bin/shapeit --help 

如果安装成功，将会显示SHAPEIT的帮助信息。

4. 输入数据准备

SHAPEIT需要以下输入文件：

• 基因型文件：包含样本的基因型信息，通常为PLINK格式（.bed, .bim, .fam）或VCF格式。
• 参考单倍型文件（可选）：用于提高单倍型推断的准确性，通常为VCF格式。
• 遗传图谱文件（可选）：包含SNP的遗传位置信息，通常为.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格式包括三个文件：

• .bed：二进制基因型文件
• .bim：SNP信息文件
• .fam：样本信息文件

VCF格式则是一个单一的文件，包含样本的基因型信息。

4.2 参考单倍型文件

参考单倍型文件通常来自1000 Genomes Project或其他公共数据库。它可以帮助提高单倍型推断的准确性，特别是在低密度基因型数据中。

4.3 遗传图谱文件

遗传图谱文件包含SNP的遗传位置信息，通常为.map格式。每一行包含一个SNP的染色体、SNP名称、遗传位置和物理位置。

5. 运行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缀。
• --input-map：指定遗传图谱文件。
• --output-max：指定输出文件的前缀。

5.2 使用参考单倍型

如果使用参考单倍型文件，可以添加以下参数：

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

• --input-ref：指定参考单倍型文件。

5.3 多线程支持

SHAPEIT支持多线程计算，可以通过--thread参数指定线程数：

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

• --thread：指定使用的线程数。

5.4 其他常用参数

• --effective-size：指定有效群体大小，默认值为15000。
• --burn：指定MCMC算法的burn-in次数，默认值为7。
• --prune：指定MCMC算法的prune次数，默认值为8。
• --main：指定MCMC算法的主迭代次数，默认值为20。

6. 结果解释

SHAPEIT的输出文件包括：

• .haps：包含推断的单倍型信息。
• .sample：包含样本信息。

6.1 .haps文件

.haps文件是一个文本文件，每一行代表一个SNP，每一列代表一个单倍型。文件格式如下：

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

• chr：染色体编号。
• rsid：SNP的ID。
• pos：SNP的物理位置。
• allele1和allele2：SNP的两个等位基因。
• hap1和hap2：样本的两个单倍型。

6.2 .sample文件

.sample文件包含样本信息，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：样本的ID。
• missing：缺失数据比例。
• sex：样本的性别（1=男性，2=女性）。

7. 示例

假设我们有一个PLINK格式的基因型文件data.bed, data.bim, data.fam，遗传图谱文件genetic_map.map，以及参考单倍型文件ref.vcf。我们可以使用以下命令进行单倍型推断：

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

运行完成后，将生成output.haps和output.sample文件。

8. 结论

SHAPEIT是一个功能强大且易于使用的工具，适用于从基因型数据中推断单倍型。通过合理设置参数和使用参考单倍型，可以显著提高单倍型推断的准确性。希望本文能够帮助读者更好地理解和使用SHAPEIT进行单倍型分析。

9. 参考文献

• 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仓库: https://github.com/odelaneau/shapeit2

---

通过本文的介绍，读者应该能够掌握如何使用SHAPEIT进行单倍型分析。从安装到输入数据准备，再到运行命令和结果解释，本文提供了详细的步骤和示例。希望这些信息能够帮助读者在实际研究中更好地应用SHAPEIT工具。