大家好，我是鄧飛。

對于vcf文件和plink文件是經(jīng)常用的文件，對于基因型數(shù)據(jù)的處理，一般分為：

• 數(shù)據(jù)質控
• 數(shù)據(jù)提取
• 染色體修改名稱
• 樣本修改名稱

今天介紹一下vcf文件的三個處理方法：

• 1，染色體修改
• 2，樣本名稱修改
• 3，樣本提取

用到的軟件是bcftools，用到的系統(tǒng)是Linux。

1. 數(shù)據(jù)描述

數(shù)據(jù)使用GWAS-Cookbook中的GWASdat1中的數(shù)據(jù)，將數(shù)據(jù)變?yōu)関cf格式。

相關基因型數(shù)據(jù)，可以在這里下載：快來領取 | 飛哥的GWAS分析教程更新啦

將plink的二進制文件，變?yōu)関cf的代碼：

plink --bfile ../../gwas_cookbook/GWAS-dat1/1_QC_GWAS/HapMap_3_r3_1 --recode vcf-iid --out test1

vcf預覽：

2. vcf文件修改染色體名稱

整理染色體修改對應關系：

awk '{print $1}' HapMap_3_r3_1.bim |sort |uniq >chr.txt
awk '{print $1,"chr"$1}' chr.txt >chr_rename.txt

整理好的對應關系：

$ cat chr_rename.txt 
1 chr1
10 chr10
11 chr11
12 chr12
13 chr13
14 chr14
15 chr15
16 chr16
17 chr17
18 chr18
19 chr19
2 chr2
20 chr20
21 chr21
22 chr22
23 chr23
25 chr25
3 chr3
4 chr4
5 chr5
6 chr6
7 chr7
8 chr8
9 chr9

代碼：

 bcftools annotate --rename-chrs chr_rename.txt -Oz -o test2.vcf.gz test1.vcf 
gzip -d test2.vcf.gz 
less -S test2.vcf 

修改后的結果：

可以看到，已經(jīng)修改過了。

3. 修改樣本的名稱

樣本對應關系txt文件整理：

awk '{print $2}' HapMap_3_r3_1.fam |head >sname.txt
awk '{print $1,"new_"$1}' sname.txt >sname_change.txt

對應關系文件內容：

$ head sname_change.txt 
NA06989 new_NA06989
NA11891 new_NA11891
NA11843 new_NA11843
NA12341 new_NA12341
NA12739 new_NA12739
NA10850 new_NA10850
NA06984 new_NA06984
NA12877 new_NA12877
NA12275 new_NA12275
NA06986 new_NA06986

代碼：

bcftools reheader -s sname_change.txt test1.vcf -o test3.vcf.gz

修改后的vcf：

4. 提取vcf樣本

代碼：

bcftools view -S sname.txt test1.vcf -Ov > test4.vcf

提取后的文件：

搞定！

想要更好的學習和交流，快來加入飛哥的知識星球，這是一個生物統(tǒng)計+數(shù)量遺傳學+GWAS+GS的社區(qū)，在這里你可以向飛哥提問、幫你制定學習計劃、跟著飛哥一起做實戰(zhàn)項目，沖沖沖。點擊這里加入吧：飛哥的學習圈子