前言

眾所周知，一般GWAS分析中SNPs都是上幾十萬個的，

但是樣本頂多也就幾千個嘛（1980個新冠患者GWAS還發(fā)了NEJM），

亞組分析可以少到幾百個，

但是如果用普通的--recode --tab，那么有十幾萬列的數(shù)據(jù)Excel是不可能完全打開的。

怎么辦？

一些基本常識：

Excel2003版最大行數(shù)是65536行，最大列數(shù)是256列。

Excel2007開始的版本最大行數(shù)是1048576行，2007以上版本是16384列。

所以，所謂的大數(shù)據(jù)在Excel是“無法分析”的。

遇到這個時候，我們就要靈活變通一下了：轉(zhuǎn)置數(shù)據(jù)的重要性。

彎路：

當數(shù)據(jù)分析做多了，我們就會天真地以為用R，用Terminal 的Perl語法轉(zhuǎn)置數(shù)據(jù)之后輸出。

像極了愛情，我們用盡華麗的方法取悅對方，到最后樸實無華的長期陪伴才是我們所忘記的～

其實Plink里面就有了轉(zhuǎn)置（--recode transpose?）這個玩意：

當我們使用一下代碼時：

plink --noweb --extract SNP15000.txt? --bfile male001QC --out male_snps_15000 --recode --tab

數(shù)據(jù)是長這樣的：

每一列都是一個SNP的基因型，然后如果你要做全部的SNP的話，根本不可能打開完全（Excel會提示）。

怎么辦？--recode transpose了解一下：

plink --noweb --bfile male001QC --recode transpose --out 123 --tab

這個時候就會顯示如下：

這個時候數(shù)據(jù)就可以顯示完全了，行變成了SNP的名字，本數(shù)據(jù)集共329256個SNPs，Excel 2007以上都是1048576行了～

然后，文件夾中就會出現(xiàn)以.tfam和.tped結(jié)尾的文件，上面的圖是.tped結(jié)尾的文件，要對應(yīng)樣本，就要看.tfam結(jié)尾的文件。新建一行，復(fù)制，轉(zhuǎn)置黏貼成為表頭不用截圖了吧？

后記：

我們一追再追，只想追趕生信裡的一分一秒，

原來多麼可笑，解決問題的真正目標就在Plink里面。

有了這個數(shù)據(jù)，就可以做各種基于基因型的騷操作分析啦～

歡迎關(guān)注微博：醫(yī)學小蛋散，如果有用的話，記得關(guān)注點贊哦～

文中提到的NEJM：Severe Covid-19 GWAS Group, Ellinghaus D, Degenhardt F, et al. Genomewide Association Study of Severe Covid-19 with Respiratory Failure.?N Engl J Med. 2020;383(16):1522-1534. doi:10.1056/NEJMoa2020283

當然了，這是新冠，普通疾病的樣本數(shù)可以去到幾萬，乃至幾十萬了，如（“Association analysis identifies 65 new breast cancer risk loci”共137,045例 的這種情況（超過了16384列），就要考慮和比爾蓋茨聊一下新版本的Excel了～