GBS hapmap 格式 转化为Plink格式：tassel vcftools方法汇总

最新推荐文章于 2024-03-01 13:38:54 发布
最新推荐文章于 2024-03-01 13:38:54 发布
阅读量4.5k 收藏 23
点赞数 4
分类专栏： 数量遗传学
互秀朋友圈呀, 微信: yijiaobani, 备注: 姓名+ 单位
本文链接：https://blog.csdn.net/yijiaobani/article/details/97754300
版权

1. 参考资料

https://zhuanlan.zhihu.com/p/38590403

环境：linux系统

2. 安装软件

首先，要安装anaconda或者miniconda，然后使用conda install进行软件安装, 安装conda方法：
https://docs.anaconda.com/anaconda/install/linux/

2.1 安装tassel

tassel的按照方法，使用git将文件copy到本地，然后将里面的内容（可执行文件） copy到home下的bin文件中， 不用设置路径了。

git clone https://bitbucket.org/tasseladmin/tassel-5-standalone.git
2.2 安装vcftools

https://anaconda.org/bioconda/vcftools

conda install -c bioconda vcftools
2.3 安装R语言

https://anaconda.org/r/r

conda install -c r r

3. 文件格式

3.1 hapmap格式：genotype.hmp.txt

行头：

rs#    alleles    chrom     pos     strand    assembly#    center    protLSID    assayLSID    panelLSID    QCcode    sample1 sample2 ...

内容：

rs#     alleles chrom   pos     strand  assembly#       center  protLSID        assayLSID       panelLSID       QCcode  Sample_YCX334/12Sample_ya>
1:1151  C       1       1151    +       NA      NA      NA      NA      NA      NA      N       N       N       C       C       C       N       C>
1:1203  T/C     1       1203    +       NA      NA      NA      NA      NA      NA      T       N       T       N       T       T       T       T>
1:1249  A/C     1       1249    +       NA      NA      NA      NA      NA      NA      A       N       A       N       A       A       A       A>
1:1266  G/A     1       1266    +       NA      NA      NA      NA      NA      NA      G       N       G       G       G       G       G       N>
1:1277  T/C     1       1277    +       NA      NA      NA      NA      NA      NA      T       T       T       T       T       T       T       N>
1:1325  C/T     1       1325    +       NA      NA      NA      NA      NA      NA      C       N       N       N       N       N       C       N>
1:1335  G/T     1       1335    +       NA      NA      NA      NA      NA      NA      G       G       G       G       G       G       G       G>
1:1362  G/A     1       1362    +       NA      NA      NA      NA      NA      NA      G       G       G       G       G       G       G       G>
3.2 plink格式：ped和map

plink格式是基因组选择中经常用到的文件类型， plink软件功能强大，运行速度快。

3.2.1 .map格式

格式说明链接: http://zzz.bwh.harvard.edu/plink/data.shtml#map

map格式的文件, 主要是图谱文件信息, 主要包括染色体名称, 所在的染色体和所在染色体的坐标.

1, map文件没有行头

2, map文件包括四列: 染色体, SNP名称, SNP位置, 碱基对坐标

  • 染色体编号为数字, 未知为0
  • SNP名称为字符或数字, 如果不重要, 可以从1编号, 注意要和bed文件SNP列一一对应
  • 染色体的摩尔未知(可选项, 可以用0)
  • SNP物理坐标

3, 如果只有SNP名称, 可以手动构建map文件, 第二列为SNP名称, 其它三列为0即可.

Example:

1 snp1 0 1
1 snp2 0 2
1 snp3 0 3
  • 这里有3个SNP, 分别名为snp1, snp3, snp3 (第二列)
  • 这三个SNP在第一个染色体上 (第一列)
  • 第三列为0
  • 第四列为SNP所在染色体的坐标
3.2.2 .ped格式

格式说明链接:http://zzz.bwh.harvard.edu/plink/data.shtml#ped

bed格式的文件, 主要包括SNP的信息, 包括个体ID, 系谱信息, 表型和SNP的分型信息.

1, 数据没有行头, 空格或者tab隔开的文件
2, 必须要有六列, 包括系谱信息, 表型信息

  • 第一列: Family ID # 如果没有, 可以用个体ID代替
  • 第二列: Individual ID # 个体ID编号
  • 第三列: Paternal ID # 父本编号
  • 第四列: Maternal ID # 母本编号
  • 第五列: Sex (1=male; 2=female; other=unknown) # 性别, 如果未知, 用0表示
  • 第六列: Phenotype # 表型数据, 如果未知, 用0表示
  • 第七列以后: 为SNP分型数据, 可以是AT CG或11 12, 或者A T C G或1 1 2 2

3, 上面六列, 必须要有, 如果没有相关数据, 用0表示.

Example:

1 1 0 0 1  0  G G  2 2  C C
1 2 0 0 2  0  A A  0 0  A C
1 3 1 2 1  2  0 0  1 2  A C
2 1 0 0 1  0  A A  2 2  0 0
2 2 0 0 2  2  A A  2 2  0 0
2 3 1 2 1  2  A A  2 2  A A
  • 数据包括两个家系 (第一列)
  • 每个家系有三个个体 (第二列)
  • 第三列父本编号
  • 第四列母本编号
  • 第五列性别
  • 第六列表型值
  • 第七列, 第八列为一个基因型
  • 第九列, 第十列为第二个基因型
  • 第十一列, 第十二列为第三个基因型

4. 测试数据

将下面文件保存为：hmp.txt
注意， 知乎中是.，但数据应该是#，下面这个代码是正确的。

rs#	alleles	chrom	pos	strand	assembly#	center	protLSID	assayLSID	panelLSID	QCcode	Box302.YX.2017.06.002	Box302.YX.2017.06.003	Box302.YX.2017.06.004	Box302.YX.2017.06.005	Box302.YX.2017.06.11	Box302.YX.2017.06.013	Box302.YX.2017.06.018	Box302.YX.2017.06.019	Box302.YX.2017.06.020	Box302.YX.2017.06.21
10000235	A/C	6	80388997	+	NA	NA	NA	NA	NA	NA	AC	AA	AC	AA	AA	AA	AA	AA	AC	AC
10000345	G/A	8	17865885	+	NA	NA	NA	NA	NA	NA	GG	GG	AA	GG	GG	GG	GG	AA	AA	GG
10004575	G/T	7	32792755	+	NA	NA	NA	NA	NA	NA	GG	GG	GG	GG	GG	GT	GG	GG	GG	GG
10006974	T/C	1	14418789	+	NA	NA	NA	NA	NA	NA	CT	CC	TT	CT	CT	CT	CT	TT	TT	CC
10006986	A/G	2	76416246	+	NA	NA	NA	NA	NA	NA	AA	AA	AA	AA	AA	AG	AG	GG	GG	AA
10007074	G/C	14	105043500	+	NA	NA	NA	NA	NA	NA	GG	GC	GC	GC	GC	GC	GC	GC	GG	GC
10007097	C/A	15	118863849	+	NA	NA	NA	NA	NA	NA	CC	CC	CC	CC	CC	CC	AC	CC	CC	AC
10007113	G/A	9	127852320	+	NA	NA	NA	NA	NA	NA	GG	GG	GG	AG	GG	GG	AG	AA	AA	GG
10007117	C/T	2	150034851	+	NA	NA	NA	NA	NA	NA	CC	CT	CC	CT	CT	CT	TT	CC	CT	CT
10007153	A/C	6	145256960	+	NA	NA	NA	NA	NA	NA	AA	AC	AA	AC	AA	AA	AA	AC	AA	AA
10007668	G/A	10	19391507	+	NA	NA	NA	NA	NA	NA	GG	GG	GG	AG	AG	AA	GG	GG	GG	GG
12784072	G/A	17	55229968	+	NA	NA	NA	NA	NA	NA	AG	AG	AG	GG	AG	GG	GG	AG	AA	GG
12784632	T/C	6	28132948	+	NA	NA	NA	NA	NA	NA	TT	TT	TT	TT	TT	TT	TT	CT	TT	TT
12784633	T/C	6	28132948	+	NA	NA	NA	NA	NA	NA	TT	TT	TT	TT	TT	TT	TT	CT	TT	TT
12784634	T/C	6	28132948	+	NA	NA	NA	NA	NA	NA	TT	TT	TT	TT	TT	TT	TT	CT	TT	TT
12784635	T/C	6	28132948	+	NA	NA	NA	NA	NA	NA	TT	TT	TT	TT	TT	TT	TT	CT	TT	TT
12784636	G/A	1	160773437	+	NA	NA	NA	NA	NA	NA	AG	GG	GG	GG	AG	AG	GG	AG	AG	GG
12784637	G/A	1	160773437	+	NA	NA	NA	NA	NA	NA	AG	GG	GG	GG	AG	AG	GG	AG	AG	GG
12784638	G/A	1	160773437	+	NA	NA	NA	NA	NA	NA	AG	GG	GG	GG	AG	AG	GG	AG	AG	GG
12784639	G/A	1	160773437	+	NA	NA	NA	NA	NA	NA	AG	GG	GG	GG	AG	AG	GG	AG	AG	GG

5. 处理代码

5.1 排序
run_pipeline.pl -SortGenotypeFilePlugin -inputFile hmp.txt -outputFile test.sort.hmp.txt -fileType Hapmap

生成一个test.sort.hmp.txt的

5.2 生成 vcf4.0 格式的文件
run_pipeline.pl -fork1 -h test.sort.hmp.txt -export -exportType VCF

生成一个test.vcf文件

5.3 使用vcftools生成plink文件
vcftools --vcf test.vcf --plink --out  tassel.test.vcf2plink

生成tassel.test.vcf2plink文件

5.4 使用plink将vcf文件， 变为bed文件
plink --file tassel.test.vcf2plink --make-bed --out tassel.test.vcf2plink

在这里插入图片描述

5.5 使用plink将bed文件转化为map和ped文件
plink --bfile tassel.test.vcf2plink --recode --out result

结果生成：result.ped和result.map文件:

(base) [dengfei@ny01 hmp_2_plink]$ cat result.ped 
Box302.YX.2017.06.002 Box302.YX.2017.06.002 0 0 0 -9 C T A G A G A G A G A A C C T T T T T T T T C A A A G G G G G G G G G G C C A G
Box302.YX.2017.06.003 Box302.YX.2017.06.003 0 0 0 -9 C C G G G G G G G G A A T C T T T T T T T T A A C A G G G G G G G G C G C C A G
Box302.YX.2017.06.004 Box302.YX.2017.06.004 0 0 0 -9 T T G G G G G G G G A A C C T T T T T T T T C A A A G G A A G G G G C G C C A G
Box302.YX.2017.06.005 Box302.YX.2017.06.005 0 0 0 -9 C T G G G G G G G G A A T C T T T T T T T T A A C A G G G G A G A G C G C C G G
Box302.YX.2017.06.11 Box302.YX.2017.06.11 0 0 0 -9 C T A G A G A G A G A A T C T T T T T T T T A A A A G G G G G G A G C G C C A G
Box302.YX.2017.06.013 Box302.YX.2017.06.013 0 0 0 -9 C T A G A G A G A G G A T C T T T T T T T T A A A A T G G G G G A A C G C C G G
Box302.YX.2017.06.018 Box302.YX.2017.06.018 0 0 0 -9 C T G G G G G G G G G A T T T T T T T T T T A A A A G G G G A G G G C G A C G G
Box302.YX.2017.06.019 Box302.YX.2017.06.019 0 0 0 -9 T T A G A G A G A G G G C C C T C T C T C T A A C A G G A A A A G G C G C C A G
Box302.YX.2017.06.020 Box302.YX.2017.06.020 0 0 0 -9 T T A G A G A G A G G G T C T T T T T T T T C A A A G G A A A A G G G G C C A A
Box302.YX.2017.06.21 Box302.YX.2017.06.21 0 0 0 -9 C C G G G G G G G G A A T C T T T T T T T T C A A A G G G G G G G G C G A C G G
(base) [dengfei@ny01 hmp_2_plink]$ cat result.map 
1	10006974	0	14418789
1	12784636	0	160773437
1	12784637	0	160773437
1	12784638	0	160773437
1	12784639	0	160773437
2	10006986	0	76416246
2	10007117	0	150034851
6	12784632	0	28132948
6	12784633	0	28132948
6	12784634	0	28132948
6	12784635	0	28132948
6	10000235	0	80388997
6	10007153	0	145256960
7	10004575	0	32792755
8	10000345	0	17865885
9	10007113	0	127852320
10	10007668	0	19391507

另外，可以编写R代码，提取map文件，将代码转化，然后转置，但是效率较低。

公众号：育种数据分析之放飞自我

育种数据分析之放飞自我
关注
  • 4
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tasselr:Tassel 在 HDF5 上的 GBS 数据的一些 beta 接口
06-06
流苏 输出充满 GBS 基因分型数据的 HDF5 文件。 这个包是这些文件中信息子集的 R 接口，因此用户可以快速加载和处理这些数据。 所需的包 来自克兰： 方法 反倾销 来自： 基因组范围 生物基 rhdf5 安装这些软件包，然后使用 （您可以通过 CRAN 安装），执行以下操作： install_github("vsbuffalo/tasselr") 将 Tassel HDF5 GBS 加载到 R 中 首先，我们使用initTasselHDF5初始化 HDF5 文件。 默认情况下， initTasselHDF5()假定 HDF5 文件在 Tassel5 的架构中； 设\u7f6eversion='4'来改变这一点。 initTasselHDF5()在基因座位置加载为GRanges对象，并存储引用和备用等位基因（您可以分别使用ref和alt访问器函数访问）： > gbs <- in
Tassel-GBS
03-25
关于TASSEL5.0的介绍，值得一看。
tassel软件使用linux,Tassel 命令行版本使用笔记
weixin_30529683的博客
05-03 2321
1. 常见的基因型数据格式1.1 Hapmap 数据格式123456789101112rs#alleleschromposstrandassembly#centerprotLSIDassayLSIDpanelLSIDQCcodeLine1HAPMAP1.2 VCF数据格式VCF 包含9列，从第10列开始为每个样本信息。表头##开头的为注释信息，包含了 VCF 文件的版本信息，以及对INFO及FOR...
plink常用文件格式转换
最新发布
iesswssdlh的博客
03-01 269
记录变异位置信息第一列 染色体编号第二列 SNP名称第三列 遗传距离第四列 snp物理位置。
vcf、plink文件格式互转
sunfishtan的博客
04-05 1万+
1.plink转vcf plink --file test --make-bed --out test_1 ###此步是将map和ped文件转换为二进制的文件 plink --bfile test_1 --recode vcf-iid --out test_vcf ###这样就把plink文件转换成vcf格式了 2. 将vcf格式文件转化为plink格式文件 vcftools --vcf my.vcf --plink --out plink 3. 也可使用plink进行转换 plink --vc
plink格式文件转化为vcf文件（VCF versions convert）
weixin_34265814的博客
03-15 1986
plink1.9版本支持转化为VCFv4.2格式 plink2.0版本支持转化为VCFv4.3格式 两个版本用到的命令不一样 对于plink1.9版本，转化为vcf文件的命令行为： plink --bfile binary_fileset --recode vcf-iid --out new_vcf 生成的vcf为4.2版本 对于plink2.0版本，转化为vcf文件的命令行为...
linux下查看vcf文件格式,plink格式文件与vcf格式文件相互转化
weixin_42514202的博客
05-12 731
有的时候在做数据分析的时候，会用到各种各样的分析软件，而每个分析软件又有与之相匹配的输入文件格式。格式不对，会很麻烦，有时候会出现错误的结果，甚至就不能运行程序。而许多软件之间的文件格式是可以相互转化的。直接转化就可以方便很多。今天就来讲一讲plink的ped和map文件与vcf文件的相互转化。因为在许多情况下这两种文件格式是需要转化的。首先介绍一下由plink转vcfplink --file t...
VET：基因变异VCF数据集便捷提取工具
青笋的博客
08-18 573
VET是一个基于R语言开发的变异位点信息批量提取工具，主要功能是根据VCF数据集，按照基因ID、样品ID、变异位点ID等参数，实现批量提取，同时支持变异位点结构注释，一步搞定变异数据的快速提取。，则执行下面的步骤，主要调用Python程序进行信息检索，并由bcftools工具批量提取变异信息，若需要根据指定样品进行过滤，则利用view功能对样品进行筛选，最后生成结果压缩文件。支持流式操作，提取后筛选指定样品并对每个变异位点进行结构注释（判断错义突变、移码突变等），最终将结果文件打包生成压缩包。
GWAS（1）——文件格式及linux上的转换
小八四爱吃甜食的博客
03-05 6802
目录数据格式hapmapvcf数据格式转换hmp转plink 数据格式 hapmap hapmap格式的介绍网站：https://max.book118.com/html/2017/0524/108715467.shtm 主要是存储基因型的文件。 vcf VCF是用于描述SNP，INDEL，SV的文本文件。是GATK表示遗传变异的一种文件格式。 详细介绍见网站：https://www.internationalgenome.org/wiki/Analysis/vcf4.0/ 第一部分是注释信息，以##开头。
GWAS全基因组关联分析流程（BWA+samtools+gatk+Plink+Admixture+Tassel）
genetics的博客
10-19 1万+
我梳理了GWAS全基因组关联分析的整个流程，并提供了基本的命令，用到的软件包括BWA、samtools、gatk、Plink、Admixture、Tassel等，在此分享出来给大家提供参考。 一、BWA比对 1.构建索引 bwa index -a is example.fasta #构建索引 -a is算法 （BWT构造算法：bwtsw、is或rb2） 2.进行比对 bwa mem -t 6 -R '@RG\tID:foo\tPL:Illumina\tSM:example' example.fasta
关于TASSEL_5的一个小问题
weixin_43077327的博客
08-31 1244
请问如何在linux系统下通过命令用TASSEL中的 Sort Genotype File功能对.VCF文件重新排序？
DNA 16. SCI 文章研究表型与基因型之间的关系工具（TASSEL）
weixin_41368414的博客
03-16 940
基因组生信分析教程DNA 1. Germline Mutation Vs. Somatic Mutation 傻傻分不清楚DNA 2. SCI 文章中基因组变异分析神器之 maftoolsDNA 3. SCI 文章中基因组变异分析神器之 maftoolsDNA 4. SCI 文章中基因组的突变信号（maftools）DNA 5. 基因组变异文件VCF格式详解DNA 6. 基因组变异之绘制精美瀑布图...
GBS-SNP-CROP:GBS SNP呼叫参考可选管道
05-22
GBS-SNP-CROP最新版本v.4.1（2019年10月6日）介绍在GBS SNPÇ阿灵- [R eferenceöptional P ipeline（GBS-SNP-CROP）经由的顺序的顺序执行集成了定制解析和过滤用公知的，核实生物信息学工具程序，给用户完全访问...
管道GBS：Snakemake GBS管道
02-28
配置管道参数配置在文件中进行GBS-pipeline_config.yaml （这里有一个示例： GBS-pipeline_config-example.yaml ） 此外，此处定义了对计算集群重要的设置： GBS-pipeline_server-config.yaml （例如： GBS-pipeline...
sfsGBS:带有 GBS 数据的 SFS
07-21
使用 TASSEL 将 hmp.txt.gz 数据重新格式化为按染色体 plink 格式： for file in *.gz do echo "$file: " $(run_pipeline.pl -Xmx15g -fork1 -h $file -export -exportType Plink -runfork1) done 合并 plink ...
gbs:犹他州立大学保罗沃尔夫实验室
06-30
UNEAK 管道 HapMap (hmp.txt) 和 HapMapCount (hmc.txt) 文件充当输入。 使用说明 gbs.py：该文件包含主管道的函数调用（读取深度过滤、根据数据丰度排序、HWE 精确概率、预期杂合性和一些数据转换）。 此脚本调用...
Plink常用命令总结
热门推荐
永远想不起来更新的博客
10-12 2万+
文章目录一、基本操作二、质量控制三、编码 一、基本操作 1、–bfile 、 --file 和 --tfile 读取文件 –bfile 读取二进制文件，bed、bim和fam格式 –file 读取文本文件，ped和map格式 使用以上两个命令时，文件命名要一致，如test.bed、test.bim、test.fam 二进制文件比较小，处理速度比较快 2、–out 指定输出文件的名称 3、–reco...
plink格式文件的介绍及相互转换
hucy_Bioinfo
11-29 1万+
Plink常用的文件格式有两套：map/ped 和 bim/fam/bed。两组文件均没有列名，且每一列表示的意思是一定的。几种格式之间可以相互转换。推荐使用BED/BIM/FAM这种格式，读取速度快。
笔记 GWAS 操作流程2-4：哈温平衡检验
邓飞----育种数据分析之放飞自我
04-17 9487
# Delete SNPs which are not in Hardy-Weinberg equilibrium (HWE). # Check the distribution of HWE p-values of all SNPs. plink --bfile HapMap_3_r3_8 --hardy # Selecting SNPs with HWE p-value below 0.00...
@Slf4j中的log方法为什么不能使用
07-27
引用\[1\]: 加了@slf4j注解后可以直接使用log是因为@slf4j注解会自动为类生成一个Logger对象，这个Logger对象可以直接用于日志记录。所以不需要再手动定义Logger对象了。\[1\]引用\[2\]: @slf4j注解的作用是简化日志...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值