基因型填充的含义
基因型填充是一个根据参考面板（reference panel）中的单倍型和基因型预测和填充缺失基因型的过程。基因型填充是基于这样的假设，即两个个体，即使明显无关，在其基因组中共享来自遥远共同祖先的short panel。因此，可以通过包含大量标记的panel来推断一个样本中未观察到的基因型。大多数当代插补工具采用隐马尔可夫模型框架，从reference panel中估计单倍型推断基因型（r2显示出高度连锁不平衡）。
其实，简单来讲就是，根据样品中已知位点分型信息去reference panel（样品量足够大、品种足够多的包含各种组合可能的单倍型数据库）中匹配最相似的来填充样品中缺失基因型，其示意图如下：
图片说明：S1和S2代表样品，口 表缺失基因型，A、T、C、G代表已知基因型
基因型填充的意义
目前高通量SNP检测方法主要包括全基因组重测序（WGS）、SNP芯片、简化基因组测序等。其中全基因组重测序理论上能检测基因组范围的所有变异位点，但是测序成本高昂；SNP芯片检测标记数量有限、只能检测已有突变，目前商业化的SNP芯片只包含部分物种；简化基因组测序技术相较于SNP芯片，检测位点更多且不受物种限制，但只能检测基因组2%左右的变异位点。
有的同学说了，现在测序这么便宜，测个重测序还测不起么。一个两个、十个二十个当然测得起，但是对于全基因组关联分析（GWAS）和基因组选择（GS）应用而言，测序样本量一般都是几千甚至几万。这样的话，即使是基因组较小的水稻，那也是一笔不小的费用。
那么有什么省钱的方法么？当然有了，如果将SNP芯片、简化基因组测序等检测变异位点较少的技术，利用reference panel填充的方式达到WGS检测的位点数目不就好了么。这样，既省了钱又能拿到百万级、千万级的变异位点。
基因型填充方法
小编目前知道的填充方法有两种。
一种是基于任何技术得到的变异位点Variant Call Format （VCF）文件，基于reference panel对VCF进行填充，最终填充到位点数与reference panel相同。
另一种是基于低深度重测序（LcWGS）的方法，即同WGS一样对样品构建文库，但是测序只测1X甚至更低。分析上则利用比对后的bam文件以及reference panel对样品直接分型，最终获得与reference panel相同的位点数。
有同学问了，这两种方式哪种更好呢？小编认为第二种更有优势，原因有以下几点：
VCF文件比bam信息含量更少；VCF只包含了突变位点，本次测序的群体中没有突变的位点被屏蔽或过滤掉，但这不意味着在其他群体中没有突变；
bam文件中存储的reads，在R1和R2之间存在一定的相位信息，这些相位信息是极其重要的；
LcWGS比其他技术得到的reads对基因组覆盖范围更广，这样与reference panel中有重叠的点会更多。
不同技术之间的比较
全基因组重测序、SNP芯片、简化基因组测序和低深度重测序技术比较如下：
reference pane
有同学说，你光说填充多好多好，没有panel怎么办呢？别急，华中农业大学构建了13种动物和12种植物的reference panel，并且数据库公开（感谢大佬），快去看看自己研究的物种在不在里边吧。现将网址附上：
动物 http://gong_lab.hzau.edu.cn/Animal_ImputeDB/#!/
植物 http://gong_lab.hzau.edu.cn/Plant_imputeDB/#!/
对于没有reference panel的物种，大家也不要急，有两种方法可供大家使用。一是可以参照华中农大文章的方法搜索已有的数据或自行测序，进行reference panel构建；二是可以省去构建reference panel步骤，参照STITCH等软件方法，通过大样本量低深度数据直接进行填充。
下节预告
下节将讲述填充准确性及分析方法，欢迎大家订阅。
参考文献
[1]Yang W , Yang Y , Zhao C , et al. Animal-ImputeDB: a comprehensive database with multiple animal reference panels for genotype imputation[J]. Nucleic Acids Research, 2019(D1):D1.
[2]Gao Y , Yang Z , Yang W , et al. Plant-ImputeDB: an integrated multiple plant reference panel database for genotype imputation[J]. Nucleic Acids Research, 2020.
[3]Peterson B K , Weber J N , Kay E H , et al. Double Digest RADseq: An Inexpensive Method for De Novo SNP Discovery and Genotyping in Model and Non-Model Species[J]. Plos One, 2012, 7:e37135.
[4]Mott, Richard, Flint, et al. Rapid genotype imputation from sequence without reference panels[J]. Nature Genetics, 2016.
近期活动
《报名开启 | 2021“单细胞与空间多组学技术应用”主题学术研讨会》（点击标题来报名参加吧~）
