云生信学生物信息学

Beagle 5.5填充实操:核对参考面板、按染色体运行与验收

作者:发布于 2026-11-21更新于 2026-11-15约 6 分钟阅读
Beagle填充,先把参考对齐

Beagle填充,先把参考对齐:核对组装与等位基因;准备匹配的cM遗传图谱;按染色体独立运行;检查样本、覆盖和DR2
本文操作与检查路径示意。

Beagle 5.5 可对基因型分相,并在参考面板协助下填补目标样本缺失或未分型的标记。它不是基因型似然输入工具;如果手头是低深度测序的 GL/PL,而非 VCF 中的 GT,需要先确认方法是否匹配。下面以已质控的目标 VCF、已分相参考面板和遗传图谱为例,逐条染色体运行,并保留日志与验证记录。

先核对参考面板和目标位点

Beagle 要求参考面板和目标文件中对应标记的 CHROM、POS、REF、ALT 完全一致,且顺序一致;参考基因型需已分相且无缺失。只把染色体名改成带 chr 前缀、或单纯排序,并不能修复参考/替代等位基因方向不一致。先统一参考基因组版本、染色体命名与变异规范化;需要时用 conform-gt 协调等位基因,再检查日志中的保留与排除数量。若提供参考,目标中不在参考面板里的位点可能不会出现在输出中。

项目 运行前检查 常见误区
目标 VCF 含 GT、样本顺序正确、BGZF 压缩且可索引 把 PL/GL 当作 Beagle 5.5 输入
参考面板 相同组装、匹配 CHROM/POS/REF/ALT 与顺序,基因型已分相且非缺失 只按位置相同就当作等位基因匹配
遗传图谱 组装版本及染色体对应,PLINK map 使用 cM 无图谱时默认按 1 cM/Mb,不一定适合局部重组率
资源 Java 可用堆、作业线程和输出磁盘配额 把 -Xmx 设成主机全部内存

每条染色体独立运行

以下假设染色体 1、2 的目标、参考和 PLINK 格式图谱已经准备好,路径需按实际数据替换。8g、2 线程和 seed 仅为演示值。Beagle 用 -Xmx 设置 Java 最大堆,仍需给 JVM、系统和其他进程留出余量;out 是文件名前缀,不是目录。先用小而具代表性的染色体验证输入与资源,再扩大运行。

set -euo pipefail
jar=/opt/beagle/beagle.27Feb25.75f.jar
test -s "$jar"
mkdir beagle-run1
java -version > beagle-run1/java.txt 2>&1
sha256sum "$jar" > beagle-run1/jar.sha256
for chr in 1 2; do
  gt="/data/target.chr${chr}.vcf.gz"
  ref="/ref/panel/ref.chr${chr}.vcf.gz"
  map="/ref/maps/chr${chr}.map"
  for f in "$gt" "$ref" "$map"; do test -s "$f"; done
  d="beagle-run1/chr${chr}"; mkdir "$d"
  bcftools query -l "$gt" > "$d/target.samples"
  /usr/bin/time -v -o "$d/resources.txt" \
    java -Xmx8g -jar "$jar" gt="$gt" ref="$ref" \
    map="$map" out="$d/chr${chr}" nthreads=2 seed=2026
  test -s "$d/chr${chr}.vcf.gz" && test -s "$d/chr${chr}.log"
  bcftools quickcheck -v "$d/chr${chr}.vcf.gz"
  bcftools query -l "$d/chr${chr}.vcf.gz" > "$d/output.samples"
  diff -u "$d/target.samples" "$d/output.samples"
  bcftools index -t "$d/chr${chr}.vcf.gz"
done

检查输出、覆盖和资源记录

逐条查看 Beagle 日志中的软件版本、参数、线程、计算时间及警告;确认输出样本清单与目标一致,并用 bcftools quickcheck 和索引确认 VCF 文件结构可读。再比较输入、参考和输出的变异数、坐标范围及交集,重点检查目标标记是否因未匹配参考而被排除。若要合并染色体文件,先固定染色体自然顺序,确认每个文件的样本顺序一致且区间不重叠,再用 bcftools concat;不要直接依赖字符排序把 chr10 放在 chr2 前面。

Beagle 输出的 GT 已填补且分相;参考面板填充时 INFO 中可包含 DR2 和 AF。DR2 是估计的信息指标,不是已知真实基因型上的准确率。若分析依赖剂量,保留并检查 FORMAT/DS,不要只导出硬调用 GT。条件允许时,使用独立的高质量真实基因型做遮蔽验证,按等位基因频率、区域和样本报告准确率;避免让目标样本或近亲泄漏进验证面板。

每条染色体记录输入哈希、目标与参考样本数、变异数、软件/JAR 版本、遗传图谱版本、Java 堆、线程、运行时间、峰值内存、日志和输出路径。Beagle 手册指出缩短 window 或 window-markers 可减少内存,但窗口和迭代会影响计算与结果;不要为赶进度盲目改默认值。先测代表性染色体,再决定是否串行排队或在内存余量充足时有限并发。若研究输入是基因型似然、组装不匹配或参考不适用,应先解决方法与数据适配,单纯增加内存不会修复结果。

下载练习材料

下载教程 PDF · 下载代码与示例数据 ZIP

先核对包内SHA256清单,再在独立目录复现。

需要额外算力时

适用前提:参考与目标数据协调完成,填充批次的资源峰值超出本地容量。如需额外资源,可评估大内存CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗