vcf 文件如何修改染色体修改样本名称提取样本

大家好，我是邓飞。

对于vcf文件和plink文件是经常用的文件，对于基因型数据的处理，一般分为：

• 数据质控
• 数据提取
• 染色体修改名称
• 样本修改名称

今天介绍一下vcf文件的三个处理方法：

• 1，染色体修改
• 2，样本名称修改
• 3，样本提取

用到的软件是bcftools，用到的系统是Linux。

1. 数据描述

数据使用GWAS-Cookbook中的GWASdat1中的数据，将数据变为vcf格式。

相关基因型数据，可以在这里下载：快来领取 | 飞哥的GWAS分析教程更新啦

将plink的二进制文件，变为vcf的代码：

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

vcf预览：

2. vcf文件修改染色体名称

整理染色体修改对应关系：

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

整理好的对应关系：

$ 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

代码：

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

修改后的结果：

可以看到，已经修改过了。

3. 修改样本的名称

样本对应关系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

对应关系文件内容：

$ 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

代码：

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

修改后的vcf：

4. 提取vcf样本

代码：

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

提取后的文件：

搞定！