得益于分析软件运行速度的不断提高,硬件资源消耗的不断优化,基因型填充这一计算量巨大的任务也出现了web服务,Michigan Imputation Server就是其中之一,网址如下
https://imputationserver.sph.umich.edu/index.html
采用Eagle进行pre-phasing, minimac4进行填充的分析策略,保证了运行速度。该平台支持hg19和hg38两个基因组版本,支持的reference panel列表如下
- HRC (Version r1.1 2016)
- 1000 Genomes Phase 1 (Version 3)
- 1000 Genomes Phase 3 (Version 5)
- CAAPA - African American Panel
- HapMap 2
要求输入文件为VCF格式,可以通过以下方法转换得到
代码语言:javascript复制# plink将ped/map转换为vcf格式
plink --file sample --recode vcf --chr 1 --out sample.chr1
# vcftools对VCF文件排序
# bgzip压缩VCF文件
vcf-sort sample.chr1.vcf | bgzip -c > sample.chr1.vcf.gz
按照染色体进行拆分,每条染色体一个VCF文件,然后通过提交页面上传即可,示意如下
选择参考的panel, 上传VCF格式的输入文件,设置参考基因组版本,然后提交即可。运行的步骤如下
1. input validation
按照20M的长度将染色体拆分成chunk, 统计输入文件的样本数,染色体条数,位点数,chunk数,reference panel等基本信息,结果示意如下
2. quality control
从snp和sample两个方面进行指控,结果统计如下
3. pre-phasing and imputation
对于每个chunks, 进行pre-phasing和imputation
运行完成后,合并同一染色体的不同chunks,然后将结果打包,并加密,输出结果示意如下
该网站内置了HRC reference panel这个最大规模的单倍型数据集,在运行速度快的同时也保证了填充的准确性,尽管其填充准确率不会像impute2那么高,对于想要简单进行填充分析,该网站还是非常值得推荐的。