前往小程序，Get更优阅读体验！
立即前往
文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
腾讯云架构师技术同盟
文章/答案/技术大牛
发布
首页
学习
活动
专区
工具
TVP腾讯云架构师技术同盟
返回腾讯云官网
社区首页 >专栏 >GBS hapmap 格式 转化为Plink格式方法

GBS hapmap 格式 转化为Plink格式方法

作者头像
邓飞
发布于 2024-12-30 13:25:34
发布于 2024-12-30 13:25:34
9000
代码可运行
举报
文章被收录于专栏：育种数据分析之放飞自我育种数据分析之放飞自我
运行总次数：0
代码可运行

大家好，我是邓飞，今天介绍一下hapmap格式的数据，如何变为plink格式的数据。

1.需求说明

进行重测序或者GBS时，hapmap 是比较常见的格式，生信中经常使用这种格式。但是在GWAS和GS中，数据筛选，质控，构建矩阵都是使用的plink的格式。本文介绍如何tassel 和vcftools两个软件，将hapmap格式的数据转化为plink格式的数据。

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Linux版本的tassel

tassel的安装方法，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。

代码语言：javascript
代码运行次数：0
复制
git clone https://bitbucket.org/tasseladmin/tassel-5-standalone.git
2.2 安装vcftools

https://anaconda.org/bioconda/vcftools

代码语言：javascript
代码运行次数：0
复制
conda install -c bioconda vcftools
2.3 安装R语言

https://anaconda.org/r/r

代码语言：javascript
代码运行次数：0
复制
conda install -c r r

3. 文件格式

3.1 hapmap格式：genotype.hmp.txt

行头：

代码语言：javascript
代码运行次数：0
复制
rs#    alleles    chrom     pos     strand    assembly#    center    protLSID    assayLSID    panelLSID    QCcode    sample1 sample2 ...

内容：

代码语言：javascript
代码运行次数：0
复制
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:

代码语言：javascript
代码运行次数：0
复制
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:

代码语言：javascript
代码运行次数：0
复制
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

代码语言：javascript
代码运行次数：0
复制
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
代码语言：javascript
代码运行次数：0
复制
./run_pipeline.pl -SortGenotypeFilePlugin -inputFile hmp.txt -outputFile test.sort.hmp.txt -fileType Hapmap

生成一个test.sort.hmp.txt

5.2 生成 vcf4.0 格式的文件

代码语言：javascript
代码运行次数：0
复制
./run_pipeline.pl -fork1 -h test.sort.hmp.txt -export -exportType VCF

生成一个test.vcf文件

5.3 使用plink生成plink文件
代码语言：javascript
代码运行次数：0
复制
plink --vcf test.vcf --recode --out t1

map和ped数据：

代码汇总：

如果用的是配置好的Linux系统，只需要下载tassel软件，然后进入文件夹：

代码语言：javascript
代码运行次数：0
复制
git clone https://bitbucket.org/tasseladmin/tassel-5-standalone.git
cd tassel-5-standalone/

# 把hapmap放到该文件夹中，命名为hmp.txt文件
./run_pipeline.pl -SortGenotypeFilePlugin -inputFile hmp.txt -outputFile test.sort.hmp.txt -fileType Hapmap

./run_pipeline.pl -fork1 -h test.sort.hmp.txt -export -exportType VCF

plink --vcf test.vcf --recode --out t1
# 生成的t1.ped 和 t1.map为plink的结果文件
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2024-12-25，如有侵权请联系 cloudcommunity@tencent.com 删除
na
txt
软件
数据
系统

本文分享自 育种数据分析之放飞自我 微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ，欢迎热爱写作的你一起参与！

na
txt
软件
数据
系统
评论
登录后参与评论
0 条评论
热度
最新
登录 后参与评论
推荐阅读
目录
  • 大家好，我是邓飞，今天介绍一下hapmap格式的数据，如何变为plink格式的数据。
  • 1.需求说明
  • 2. 安装软件
    • 2.1 安装Linux版本的tassel
    • 2.2 安装vcftools
    • 2.3 安装R语言
  • 3. 文件格式
    • 3.1 hapmap格式：genotype.hmp.txt
    • 3.2 plink格式：ped和map
      • 3.2.1 .map格式
      • 3.2.2 .ped格式
  • 4. 测试数据
  • 5. 处理代码
    • 5.1 排序
    • 5.3 使用plink生成plink文件
领券

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号 | 京公网安备号11010802020287

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档

Copyright © 2013 - 2025 Tencent Cloud.

All Rights Reserved. 腾讯云 版权所有

登录 后参与评论