--------各项指标的计算-------- 

vcf=xxx.vcf.gz

out=xxx   # 计算完的文件会自动生成文件后缀

# 1.计算每个个体的SNP的平均测序深度
vcftools --gzvcf $vcf --depth --out $out
# 2.计算每个SNP位点的测序深度
vcftools --gzvcf $vcf --site-mean-depth --out $out
# 3.计算每个SNP位点的质量
vcftools --gzvcf $vcf --site-quality --out $out
# 4.计算每个个体包含缺失位点的比例
vcftools --gzvcf $vcf --missing-indv --out $out
# 5.计算每个SNP位点的在所有个体缺失位点的比例
vcftools --gzvcf $vcf --missing-site --out $out
# 6.计算每个个体的杂合度和近交系数（判断是否有离群样本）
vcftools --gzvcf $vcf --het --out $out

引用参考自：四、重测序数据分析之变异识别与过滤

---

--------预览生成的各个文件的结构-------- 

此步可以省略，后续在R中导入后也可以看到。

图1  每个个体的SNP的平均测序深度

图2  每个个体的杂合度和近交系数

图3  每个个体包含缺失位点的比例

图4  每个SNP位点的在所有个体缺失位点的比例

图5  每个SNP位点的测序深度

图6  每个SNP位点的质量

---

--------R ggplot绘制密度图-------- 

请先确保R软件和ggplot包已安装。 

# 1. 导入ggplot2绘图包
library(ggplot2)

# 2. 导入文件
raw_idepth <- read.table("H:/filterbasis/final_chr01a_snp01_depth.idepth", header = TRUE) 
# 读取文件时,不指定 sep 参数，让它自动检测分隔符;
# 指定header参数为TRUE，自动识别第一列为列名；
# 导入后，检查一下行列是否被正确识别。

# 3. 根据已知的列名，将该列进行数值化
raw_idepth$MEAN_DEPTH <- as.numeric(raw_idepth$MEAN_DEPTH)
# 如果不知道列名，可以用以下命令查看
print(colnames(raw_idepth))

# 4. 绘图
ggplot(raw_idepth, aes(x = MEAN_DEPTH)) +  # 指定文件和列
  geom_density(fill = "red", alpha = 0.5) +  # 指定填充颜色和透明度
  labs(title = "个体平均测序深度", x = "MEAN_DEPTH", y = "Density") # 设置表头和坐标轴

绘制完成后如图7所示，可根据这个图来确定大部分数据所在范围，从而选择后续过滤最合适的参数。