<<寫在前面>>
bcftools?應(yīng)用場景：
在很多研究中，基因型數(shù)據(jù)為imputation 后的 VCF 文件，其 INFO 字段中已包含次要等位基因頻率（MAF）和imputation 質(zhì)量指標(biāo)（R2）, 如下圖所示。
R2 過濾：屬于 imputation 質(zhì)量控制的核心步驟，必須在 VCF 階段完成。通過設(shè)置R2 ≥ 0.8去除 imputation 置信度較低、基因型不可靠的位點，這是下游分析的硬性要求。
MAF 過濾：在 VCF 階段進(jìn)行一次 MAF 過濾主要用于預(yù)過濾（可選）；
?? 但是，由于 INFO 字段中的 MAF 并不一定等同于最終分析樣本子集中的真實等位基因頻率，最終的 MAF過濾仍然需在 PLINK 階段基于樣本內(nèi)重新計算的等位基因頻率完成，以確保統(tǒng)計結(jié)果的穩(wěn)定性和可解釋性。
bcftools 主要功能和優(yōu)勢：
輸入：?VCF/BCF（含壓縮格式）
主要功能：對 VCF/BCF 進(jìn)行位點/樣本子集選擇與條件篩選
輸出： VCF/BCF（含壓縮格式）
優(yōu)勢：相較于vcftools，bcftools在處理大規(guī)模 bgzip 壓縮 VCF 文件時具有顯著的速度和內(nèi)存優(yōu)勢。
本文中提到的 bcftools 版本：
module load bcftools/1.15.1
<<進(jìn)入主題>>?
變異位點過濾條件：
1. 過濾掉低頻 / 稀有變異，僅保留群體中常見的遺傳變異（通常 minor allele frequency ≥ 5%代表常見變異，對應(yīng)INFO 字段中的MAF）
2. 同時過濾掉低置信度變異，僅保留基因型推斷置信度較高的變異位點（通常?imputation quality?R2 >=0.8 代表高置信度變異，對應(yīng)INFO 字段中的R2），確保數(shù)據(jù)可靠性。
?? 前提：
VCF 的 INFO 字段中需包含MAF和R2（字段名需與表達(dá)式一致）。若字段缺失或命名不匹配，篩選條件將無法滿足，可能導(dǎo)致輸出為空或僅保留極少位點。建議先用bcftools view -h檢查 INFO 字段名。
$?module load bcftools/1.15.1
$ bcftools view -h all.vcf.gz?| grep '^##INFO'
Step 1：VCF 階段按 R2 + MAF過濾（并建立Index）
$ bcftools? view \
????-i? 'INFO/MAF>=0.05? ?&&? ?INFO/R2>=0.8'? \
? ??all.vcf.gz?\
????-Oz? -o??all.maf05_r208.vcf.gz
$?bcftools index -t all.maf05_r208.vcf.gz
參數(shù)解析：
-i（include)，僅保留滿足條件的位點
INFO/MAF>=0.05，僅保留 MAF ≥ 0.05 的位點。
INFO/R2>=0.8，僅保留 R2 ≥ 0.8 的位點。
&& 或 &，邏輯運算符AND，表示所有條件需同時滿足
-Oz，指定輸出格式為bgzip 壓縮的 VCF 文件
-o，指定輸出文件名
Step 2. 將過濾后的 VCF?轉(zhuǎn) PLINK（二進(jìn)制）
plink \
????--vcf all.maf05_r208.vcf.gz?\
????--biallelic-only strict \
????--make-bed \
????--out all.maf05_r208
Step 3.?在 PLINK 里過濾（含“再算一次 MAF”）
plink \
????--bfile all.maf05_r208 \
????--mind 0.1 \
????--geno 0.05 \
????--maf 0.05 \
????--hwe 1e-6 \
????--make-bed \
????--out clean
輸出符合所有過濾條件的干凈的二進(jìn)制文件：clean.bed + clean.fam + clean.bim 用于后續(xù)分析。
