利用SHAPEIT將vcf文件進行基因型（genotype）定相（phasing）：查看兩個突變是否來源於同一條鏈（染色體或父本或母本）
阿新 • • 發佈：2018-06-20
soft jar GC maps tst PE mes center mat
首先，下載SHAPEIT.
按照裏面的步驟安裝完後，將vcf文件進行基因型定相，分四步走。
第一步，將vcf文件轉化為plink二進制文件（.bed, .bim, .fam）。
這一步需要用到GATK裏的GenomeAnalysisTK工具，見如下命令：
java -Xmx8g -jar GenomeAnalysisTK.jar -T VariantsToBinaryPed -R GRCh37.fa -V file.vcf --metaData sampleID.fam -mgq 0 -bed file.bed -bim file.bim -fam file.fam
註：這裏的metaData，輸入的fam文件跟plink的fam格式一樣，如果你沒有fam文件，則需要自己手動生成，第一列和第一列可以都為樣本的ID;
FAM files
The fields in a FAM file are
- Family ID
- Sample ID
- Paternal ID
- Maternal ID
- Sex (1=male; 2=female; other=unknown)
- Affection (0=unknown; 1=unaffected; 2=affected)
| Example of a FAM file of the binary PLINK format: | |||||
|---|---|---|---|---|---|
| FAM1 | NA06985 | 0 | 0 | 1 | 1 |
| FAM1 | NA06991 | 0 | 0 | 1 | 1 |
| 0 | NA06993 | 0 | 0 | 1 | 1 |
| 0 | NA06994 | 0 | 0 | 1 | 1 |
| 0 | NA07000 | 0 | 0 | 2 | 1 |
| 0 | NA07019 | 0 | 0 | 1 | 1 |
| 0 | NA07022 | 0 | 0 | 2 | 1 |
| 0 | NA07029 | 0 | 0 | 1 | 1 |
| FAM2 | NA07056 | 0 | 0 | 0 | 2 |
| FAM2 | NA07345 | 0 | 0 | 1 | 1 |
######號外，在這一步的時候，如果出現報錯信息：ERROR MESSAGE: No metadata provided for sample XXXXXX，很有可能是fam文件在作怪，需要對fam文件進行樣本排序，使其的順序跟vcf文件保持一致；
第二步，去除高缺失率的基因型和樣本
plink --noweb --bfile file --keep-allele-order --me 1 1 --set-me-missing --make-bed --out file.nomendel
plink --noweb --bfile file.nomendel --keep-allele-order --geno 0.05 --make-bed --out file.nomendel.filter
####對數據進行高缺失率去除是很有必要的，如果跳過這一步，直接定相的話，會出現：“ERROR: XXX fully missing individuals (=100%)” 報錯
第三步，對基因型進行定位，需要下載遺傳圖譜（genetic map）
shapeit --duohmm -W 5 --thread 1 --input-bed file.nomendel.filter.bed file.nomendel.filter.bim file.nomendel.filter.fam --input-map genetic_map_b37.txt -O hapData
第四步，將定相的文件生成vcf格式：
shapeit -convert --input-haps hapData --output-vcf hapData.vcf
至此，vcf中沒有定相的變異會由“0/0 0/1 1/0 1/1 ”變為“0|0 0|1 1|0 1|1”
利用SHAPEIT將vcf文件進行基因型（genotype）定相（phasing）：查看兩個突變是否來源於同一條鏈（染色體或父本或母本）