使用shapeit进行单倍型分析

shapeit是一款单倍型分析工具，运算速度快，准确率高，是impute2官方推荐的pre-phasing工具，官网如下

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

对应的文献发表在nature method上，链接如下

https://www.nature.com/articles/nmeth.1785

通过隐马可夫模型来分析单倍型，简化的模型示意如下

从上到下依次有5个子图，用1到5来表示，需要分成3个部分来看。在1图中，表示的是8个位点构成的8种单倍型，每行表示一个单倍型，每一列代表一个位点，2图中用图状结构来表示上述的单倍型，每个节点表示一个SNP位点，依次用Z1到Z8表示，从1到8的完整路径代表一个单倍型。观察图1可以发现，前4个位点只有3种组成，后4个位点也是同样的，通过4号位点和5号位点的不同连线可以表示所有的单倍型，每条边上的数字代表对应的频数。

图5表示的是某个样本的分型结果，分别用0,1,2表示不同的状态，0表示没有突变，1表示杂合突变，2表示纯合突变，根据分型结果拆分成单倍型的时候，杂合突变对应2个allel, 根据这个分型结果可以得到图4中对应的单倍型构成，图4中ref allel用空白方框表示，alt allel用黑色方框表示，对于前5个位点，存在了2个杂合突变，所以有4种路径，后3个位点也是4种。

图3表示的是该软件的隐马可夫模型，将真实的单倍型当做是隐藏序列，将根据分型结果预测的单倍型当做是观察序列，通过建模之后来分析隐藏序列的组成，就得到了真实的单倍型分析结果。

在文献中，将该软件与其他类似的工具进行了比较，结果示意如下

采用了3个不同的数据集，比较了运行时间和错误率，shapeit错误率最低，运行速度最快。

该软件的基本用法如下

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

需要指定的参数分成了以下3个部分

1. input unphased genotypes

支持以下3种格式

1. ped/map
2. bed/bim/fam
3. gen/sample
4. vcf

前两种为plink软件的格式，是GWAS分析最常见的文件格式，第三种格式是WTCCC默认的文件格式 第四种是最常见的VCF格式。

不同类型的输入文件对应的用法如下

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

对于gen/sample文件格式，可以通过gtool这个软件来进行格式转换，

2. genetic map

参考基因组对应的连锁图谱，可以提高单倍型分析的准确性，官方提供了hapmap项目的连锁图谱供下载，链接如下

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

这个是一个可选参数，没有的情况下软件会根据线性模型来进行估算。

3. output phased haplotypes

默认用后缀为haps和sample的两个文件来描述单倍型， haps文件的内容如下所示

每列之间用空格分隔，第一列为snp位点所在的染色体名称，第二列为snp id，第三列为染色体的位置，第四列为不同样本中该位点的分型结果，0代表ref allle, 1代表alt allel, 每两列对应一个样本。

后缀为sample的文件内容如下所示

用来描述样本的信息，同样的空格分隔，前两行内容固定，后续每一行代表一个样本，以上只是该文件最基本内容的展示，还可以有更多的列，用来描述样本的表型信息。

在impute2中，phased reference panel会用hap/legend/sample3个文件来表示，通过下列代表可以进行格式转换

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

不同格式的详细解释参考以下链接

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

事先对需要填充的样本进行phasing, 可以有效提高填充的运行效率，如果后续使用impute2进行基因型填充，推荐使用shapeit对需要填充的样本进行单倍型分析。