目前主流的基因填充方法有两种：一步法填充和两步法填充，其对比如下图

一步法进行基因型填充

根据参考面板的基因型推断样本可能的基因型构成， 然后直接填充缺失的基因型，这种样本单倍型是根据参考样本的单倍型来 进行推断的，每一个样本都需要推断一次，并且参考样本更改以后，也需要重新根据参考样本来进行单倍型推断。

./impute2  -m ./Example/example.chr22.map  -h ./Example/example.chr22.1kG.haps  -l ./Example/example.chr22.1kG.legend  -g ./Example/example.chr22.study.gens  -strand_g ./Example/example.chr22.study.strand  -int 20.4e6 20.5e6  -Ne 20000  -o ./Example/example.chr22.one.phased.impute2

其中：
example.chr22.map：

example.chr22.1kG.haps：

example.chr22.1kG.legend：

example.chr22.study.gens：

example.chr22.study.strand：

example.chr22.one.phased.impute2：

两步法进行基因型填充，可分为两个步骤

第一步进行基因型分型，把基因型通过分型操作转成单倍型，然后与参考基因型的单倍型进行比较。

基因分型，是按照亲本正确地定位到父亲或者母亲的染色体上，最终使得所有来自同一个亲本的等位基因都能够排列在同一个染色体里面，基因分型有三种方法：家系分型(Related individuals Phasing)、群体LD分型(LD Phasing)和物理分型(Physical Phasing)，其中群体LD和家系分型常用，SHAPEIT2 为比较常用的分型软件。

第二步将分型以后的基因型单倍体与参考模板的单倍型进行比对，填充出来缺失位点

impute2的原理是通过滑窗的形式进行学习参考分布，然后实时对填充序列进行填充，其实本质上如果这种方式填充序列样本量比较小的时候就跟第二种是一样的，序列的分布情况主要就依赖于参考序列，这种方式类似于进行比对，利用神经网络学习比对的模式，然后进行运用
Step 1: Pre-phasing

./impute2  -prephase_g  -m ./Example/example.chr22.map  -g ./Example/example.chr22.study.gens  -int 20.4e6 20.5e6  -Ne 20000  -o ./Example/example.chr22.prephasing.impute2

Example/example.chr22.map：

example.chr22.study.gens：

example.chr22.prephasing.impute2：

Step 2: Imputation into pre-phased haplotypes

./impute2  -use_prephased_g  -m ./Example/example.chr22.map  -h ./Example/example.chr22.1kG.haps  -l ./Example/example.chr22.1kG.legend  -known_haps_g ./Example/example.chr22.prephasing.impute2_haps  -strand_g ./Example/example.chr22.study.strand  -int 20.4e6 20.5e6  -Ne 20000  -o ./Example/example.chr22.one.phased.impute2
 -phase

example.chr22.1kG.legend：

example.chr22.prephasing.impute2_haps：

此文件的snp和study的snp数量是一致的。

example.chr22.one.phased.impute2：

总结：填充的出来的snp长度并不是所有的参考样板的长度，根据参数int 20.4e6 20.5e6 \来进行限定的，从而impute在分型和填充阶段就指根据study数据填充20.4M到20.5M之间的缺失snp，再加上原本study已经测得的snp，经过正负连旋转以后得到与参考样本统一的正负连数据，参考样本的数据一般都为正连数据，最后填充出来的基因型与参考样本的基因型是同为正连数据。

注意：参考样本为单倍型，study数据为基因型数据，prephase以后的数据为基因型（基因分型，其实就是根据LD数据进行分型，分清父系和母系之间的等位基因归属），最终得到的结果数据为基因型数据，并且不同的基因型数据需要给出info得分。

IMPUTATION WITH ONE UNPHASED REFERENCE PANEL
IMPUTATION WITH TWO PHASED REFERENCE PANELS
IMPUTATION WITH TWO PHASED REFERENCE PANELS (MERGE REFERENCE PANELS)
IMPUTATION WITH ONE PHASED AND ONE UNPHASED REFERENCE PANEL
IMPUTATION WITH ONE PHASED AND ONE UNPHASED REFERENCE PANEL, WITH ADDITIONAL OPTIONS

基因填充方法之一步法和两步法

原文：https://www.cnblogs.com/univeryinli/p/13202817.html