使用geneHapR进行基因单倍型分析(以vcf文件为例)

前记

在群体基因组学研究中，我们常常需要知道一些位点的变异情况，以便于根据对应的表型信息估算这些位点的效应，同时了解这些位点在不同亚群之间的变化情况。这个时候我们就需要进行单倍型分析(Haplotype Analysis)，单倍型分析是研究基因组中特定区域的单倍型状态的方法，通过确定个体的单倍型组合及其频率，了解基因座间的关联性以及对特定性状影响。

geneHapR是2023年发布的一款可用于单倍型分析的R包，由中国农业科学院刁现民老师课题组开发，发表于BMC旗下Bioinformatics期刊，该包的使用方法较为简单，适用于新手入门分析。

本文以vcf文件为例，演示如何进行单倍型分析。

一、geneHap包简介

1、geneHap的工作流程

如下图所示，可以看到，用户需要准备的包括：基因型文件、注释文件和样本信息文件，以及后续会用的表型文件。输出的主要内容有：变异位点的可视化、单倍型网络、地理分布、表型比较和连锁不平衡热图。
geneHapR的工作流程

2、geneHapR的安装

打开R或Rstudio，输入以下代码进行安装：

R 复制代码

library(BiocManager)
BiocManager::install(c("Biostrings", "GenomicRanges", "muscle", 
                       "IRanges", "rtracklayer", "trackViewer"))
install.packages("geneHapR")
library(geneHapR)

二、输入文件的设置

需事先查询好目的基因的物理位置信息，使用bcftools工具提取目的基因的vcf变异信息文件，代码如下：

R 复制代码

#bcftools将vcf生成bgzip和index格式
bcftools view my.vcf -Oz -o my.vcf.b.gz
bcftools index my.vcf.b.gz

#提取基因的vcf文件
bcftools filter my.vcf.b.gz --regions chr1:3478748-3480748 > mygene.vcf

在R中读取该文件：

R 复制代码

vcf <- import_vcf("mygene.vcf")

单纯地进行基因的单倍型分析（即获取基因的不同单倍型分类情况），只需基因的vcf文件！

三、进行单倍型分析

R或Rstudio，输入以下代码：

R 复制代码

library(geneHapR)
setwd("D:/Working-Folder/R-work/geneHapR/")

vcf <- import_vcf("mygene.vcf")
geneID <- "mygene"      # 基因ID
Chr <- "num"           # 基因所处的染色体名称
start <- start        # 基因的起始位置（染色体坐标）
end <- end          # 基因的终止位置（染色体坐标）
hapPrefix <- "Hap"        # 单倍型名称的前缀
# 从VCF开始单倍型鉴定
hapResult <- vcf2hap(vcf, hapPrefix = hapPrefix,
                     hetero_remove = TRUE, # 移除包含杂合位点的样本
                     na_drop = TRUE) # 移除包含基因型缺失的样本
# 对单倍型结果进行汇总整理
hapSummary <- hap_summary(hapResult, hapPrefix = hapPrefix)

# 将单倍型鉴定结果保存到硬盘
write.hap(hapResult, file = "mygene.hapResult")
write.hap(hapSummary, file = "mygene.hapSummary")

# 导入之前的单倍型分析结果
hapResult <- import_hap(file = "mygene.hapResult")
hapSummary <- import_hap(file = "mygene.hapSummary")

# 以表格形式展示各单倍型的基因型
plotHapTable(hapSummary,             # 单倍型结果
             hapPrefix = hapPrefix,  # 单倍型名称前缀
             angle = 45,             # 物理位置的角度
             displayIndelSize = 0,   # 图中展示最大的Indel大小
             title = geneID)         # 图片标题

运行结束后，会产生一个表格型图片，显示该基因的单倍型信息。

可以看到，该基因有6种单倍型，最后面一列是每种单倍型对应的样本数目。

四、优异单倍型挖掘

获取单倍型及对应的样本信息后，再结合对应的表型，进行多重比较，即可获知哪一种单倍型的表型最好。此过程可在Excel活GraphPad Prism等软件进行，过程较为简单，在此不再演示。

五、参考信息

geneHapR做基因单倍型分析-CSDN博客https://blog.csdn.net/zhang_rl/article/details/130831155

GitHub - ZhangRenL/geneHapRContribute to ZhangRenL/geneHapR development by creating an account on GitHub.https://github.com/ZhangRenL/geneHapR geneHapR: an R package for gene haplotypic statistics and visualization | BMC Bioinformatics | Full Text (biomedcentral.com)https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-023-05318-9

后记

以上是简单使用geneHapR包进行单倍型分析的操作，后续讲述该包的其它功能（基因结构、LD分析、单倍型网络和地理分布等）。

--------2024.4.12

--------CXGG

千里之行，始于足下。