beagle 的使用方法和参数信息

一、基本使用场景
1. 单倍型推断（Phasing）
将未分型的基因型数据（如 VCF/BCF 文件）推断为单倍型。

java -jar beagle.jar \
  gt=input.vcf.gz \       # 输入基因型数据（需bgzip压缩）
  out=phased_output       # 输出文件前缀（自动生成 .vcf.gz 和 .log）

2. 基因型填充（Imputation）
使用参考面板填充目标数据中的缺失基因型。

java -jar beagle.jar \
  gt=target.vcf.gz \      # 待填充的目标数据
  ref=reference.vcf.gz \  # 参考面板（如千人基因组）
  out=imputed_output      # 输出文件名前缀

二、核心参数说明

三、进阶使用示例
1. 使用参考面板和外部遗传图谱

java -jar beagle.jar \
  gt=target.vcf.gz \
  ref=reference.vcf.gz \
  map=genetic_map.b37.txt \  # 遗传图谱文件（染色体位置→cM）
  out=imputed_with_map

2. 多线程加速（推荐用于大型数据）

java -Xmx16g -jar beagle.jar \  # 分配 16GB 内存
  gt=large_data.vcf.gz \
  nthreads=8 \                  # 使用8个CPU线程
  out=fast_phasing

四、输入文件准备

1. VCF文件压缩和索引：

   bgzip input.vcf           # 压缩为 .vcf.gz
   tabix -p vcf input.vcf.gz # 生成索引文件 .tbi
   

2. 参考面板下载：
   • 千人基因组计划参考面板（1KGP）：

   wget ftp://ftp.1000genomes.ebi.ac.uk/vol1/ftp/release/20130502/
   

五、输出文件说明
• phased_output.vcf.gz：分型/填充后的结果（bgzip压缩）。

• phased_output.log：运行日志（检查错误和耗时）。

• phased_output.phased.vcf.gz（旧版本可能生成此文件）。

六、常见问题
1. 内存不足（OutOfMemoryError）
增加Java堆内存（如分配32GB）：

java -Xmx32g -jar beagle.jar ...

2. 输入文件格式错误
• 错误信息：Invalid VCF header 或 Could not read input file

• 解决：

1. 用 bcftools 验证文件：

   bcftools view input.vcf.gz
   

2. 确保文件用 bgzip（而非 gzip）压缩。

3. 参考面板与目标数据不兼容
• 表现：填充后结果异常或报错。

• 解决：确保参考面板和目标数据的基因组版本一致（如 hg19 vs. hg38）。

七、参考资源
• 官方文档：http://faculty.washington.edu/browning/beagle/beagle_5.4_08Jul22.pdf

• 示例数据集：https://github.com/chrchang/beagle-examples