资料来源：公众号：育种数据分析之放飞自我
1.前言
上一次我们经过去掉缺失，去掉错误的性别信息，得到的文件为：
这里，我们根据最小等位基因频率（MAF）去筛选。
为什么要根据MAF去筛选？
最小等位基因频率怎么计算？比如一个位点有AA或者AT或者TT，那么就可以计算A的基因频率和T的基因频率，qA + qT = 1，这里谁比较小，谁就是最小等位基因频率，比如qA = 0.3, qT = 0.7， 那么这个位点的MAF为0.3. 之所以用这个过滤标准，是因为MAF如果非常小，比如低于0.02，那么意味着大部分位点都是相同的基因型，这些位点贡献的信息非常少，增加假阳性。更有甚者MAF为0，那就是所有位点只有一种基因型，这些位点没有贡献信息，放在计算中增加计算量，没有意义，所以要根据MAF进行过滤。
2.去掉性染色体上的位点
思路：
- 在map文件中选择常染色体，提取snp信息
- 根据snp信息进行提取
提取常染色体上的位点名称：因为这里是人的数据，所以染色体只需要去1~22的常染色体，提取它的家系ID和个体ID，后面用于提取。
awk '{ if($1 >=1 && $1 <= 22) print $2}' HapMap_3_r3_6.bim > snp_1_22.txt
wc -l snp_1_22.txt
1399306 snp_1_22.txt
常染色体上共有1399306位点。
3.提取常染色体上的位点
这里，用到了位点提取参数–extract:
plink --bfile HapMap_3_r3_6 --extract snp_1_22.txt --make-bed --out HapMap_3_r3_7
查看日志：
可以看到，共有163个基因型，共有1399306个SNP。
4.计算每个SNP位点的基因频率
首先，通过参数–freq，计算每个SNP的MAF频率，通过直方图查看整体分布。可视化会更加直接。
plink --bfile HapMap_3_r3_7 --freq --out MAF_check
结果文件：MAF_check.frq预览：
5.对基因频率作图
maf_freq <- read.table("MAF_check.frq", header =TRUE, as.is=T)
pdf("MAF_distribution.pdf")
hist(maf_freq[,5],main = "MAF distribution", xlab = "MAF")
dev.off()
可以看出，很多基因频率为0，说明没有分型，这些位点需要删掉。
6.去掉MAF小于0.05的位点
plink --bfile HapMap_3_r3_7 --maf 0.05 --make-bed --out HapMap_3_r3_8
可以看到，325518个位点被删掉了，剩余1073788 个位点。
结果文件如下，后面我们用这个文件，进行后续的质控。
