用R语言对vcf文件进行数据挖掘.4 tidy vcfR |
您所在的位置：网站首页 › vcf文件转换R语言 › 用R语言对vcf文件进行数据挖掘.4 tidy vcfR |
|
目录 前言 方法简介 从vcf文件里提取有用信息 tidy vcfR vcf可视化1 vcf可视化2 测序深度覆盖度 窗口缩放 如何单独分离染色体 利用vcf信息判断物种染色体倍数 CNV分析相信经常使用R的同学们对tidy格式的数据并不陌生。接近标准格式的数据框，非常便于操作。其实vcf数据也可以通过vcfR转变成tidy格式的数据。这次我们会继续使用vcfR自带测试文件vcfR_test来教学。 library(vcfR) data("vcfR_test") vcfR_test ***** Object of Class vcfR ***** 3 samples 1 CHROMs 5 variants Object size: 0 Mb 0 percent missing data ***** ***** *****函数vcfR2tidy()会将这个数据变成tibble形式的tidy数据。在此之前我们可以通过vcf_field_names()函数来查看这个vcf里包含着哪些类型的数据。比方说查看一下FORMAT，结果显示FORMAT里有四种类型GT,GQ,DP,HQ，各自包含几个数据，分别代表什么意思等等。 vcf_field_names(vcfR_test, tag = "FORMAT") > vcf_field_names(vcfR_test, tag = "FORMAT") # A tibble: 4 x 5 Tag ID Number Type Description 1 FORMAT GT 1 String Genotype 2 FORMAT GQ 1 Integer Genotype Quality 3 FORMAT DP 1 Integer Read Depth 4 FORMAT HQ 2 Integer Haplotype Quality提取GT,DP并转变数据。形成一个list。 > Z names(Z) [1] "fix" "gt" "meta"再分别看一下吧。 Z$meta > Z$meta # A tibble: 8 x 5 Tag ID Number Type Description 1 INFO NS 1 Integer Number of Samples With Data 2 INFO DP 1 Integer Total Depth 3 INFO AF A Float Allele Frequency 4 INFO AA 1 String Ancestral Allele 5 INFO DB 0 Flag dbSNP membership, build 129 6 INFO H2 0 Flag HapMap2 membership 7 FORMAT gt_GT 1 String Genotype 8 FORMAT gt_DP 1 Integer Read Depth > Z$gt # A tibble: 15 x 6 ChromKey POS Indiv gt_GT gt_DP gt_GT_alleles 1 1 14370 NA00001 0|0 1 G|G 2 1 17330 NA00001 0|0 3 T|T 3 1 1110696 NA00001 1|2 6 G|T 4 1 1230237 NA00001 0|0 7 T|T 5 1 1234567 NA00001 0/1 4 GTC/G 6 1 14370 NA00002 1|0 8 A|G 7 1 17330 NA00002 0|1 5 T|A 8 1 1110696 NA00002 2|1 0 T|G 9 1 1230237 NA00002 0|0 4 T|T 10 1 1234567 NA00002 0/2 2 GTC/GTCT 11 1 14370 NA00003 1/1 5 A/A 12 1 17330 NA00003 0/0 3 T/T 13 1 1110696 NA00003 2/2 4 T/T 14 1 1230237 NA00003 0/0 2 T/T 15 1 1234567 NA00003 1/1 3 G/G > Z$fix # A tibble: 5 x 14 ChromKey CHROM POS ID REF ALT QUAL FILTER NS DP AF AA DB 1 1 20 1.44e4 rs60… G A 29 PASS 3 14 0.5 NA TRUE 2 1 20 1.73e4 NA T A 3 q10 3 11 0.017 NA FALSE 3 1 20 1.11e6 rs60… A G,T 67 PASS 2 10 0.33… T TRUE 4 1 20 1.23e6 NA T NA 47 PASS 3 13 NA T FALSE 5 1 20 1.23e6 micr… GTC G,GT… 50 PASS 3 9 NA G FALSE # … with 1 more variable: H2这些数据看上去应该很眼熟了吧，可以直接用tidyverse包来操作。至于tidyverse怎么用可以参照我的文集。 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |