vcfR高效處理VCF文件

偶然見發(fā)現(xiàn)了一R包,名曰vcfR,可高效處理vcf文件,并且可以做出好看的圖片

具體可查看說明文檔高鐵直達(dá)

安裝

BiocManager::install("vcfR")

測試數(shù)據(jù)

該軟件自帶測試數(shù)據(jù),可進(jìn)行操練

# 讀取文件
pkg <- "pinfsc50"
vcf_file <- system.file("extdata", "pinf_sc50.vcf.gz", package = pkg)
dna_file <- system.file("extdata", "pinf_sc50.fasta", package = pkg)
gff_file <- system.file("extdata", "pinf_sc50.gff", package = pkg)
vcf <- read.vcfR( vcf_file, verbose = FALSE )
dna <- ape::read.dna(dna_file, format = "fasta")
gff <- read.table(gff_file, sep="\t", quote="")

讀取的vcf為一個\color{red}{S4}對象

> vcf
***** Object of Class vcfR *****
18 samples
1 CHROMs
22,031 variants
Object size: 22.4 Mb
7.929 percent missing data
*****        *****         *****

## 包含如下3個元素
meta
character vector for the meta information
fix
matrix for the fixed information
gt
matrix for the genotype information

3個元素包含的信息可以簡單查閱

# meta 頭信息
> head(vcf@meta)
[1] "##fileformat=VCFv4.1"                                                                                                            
[2] "##source=\"GATK haplotype Caller, phased with beagle4\""                                                                         
[3] "##FILTER=<ID=LowQual,Description=\"Low quality\">"                                                                               
[4] "##FORMAT=<ID=AD,Number=.,Type=Integer,Description=\"Allelic depths for the ref and alt alleles in the order listed\">"           

# fix 1-9列的信息
> head(vcf@fix[,1:7])
     CHROM              POS   ID REF  ALT QUAL      FILTER
[1,] "Supercontig_1.50" "41"  NA "AT" "A" "4784.43" NA    
[2,] "Supercontig_1.50" "136" NA "A"  "C" "550.27"  NA    
[3,] "Supercontig_1.50" "254" NA "T"  "G" "774.44"  NA    
[4,] "Supercontig_1.50" "275" NA "A"  "G" "714.53"  NA    

# gt 各個樣本的基因型信息
 > head(vcf@gt[,1:3])
     FORMAT           BL2009P4_us23              DDR7602                    
[1,] "GT:AD:DP:GQ:PL" "1|1:0,7:7:21:283,21,0"    "1|1:0,6:6:18:243,18,0"    
[2,] "GT:AD:DP:GQ:PL" "0|0:12,0:12:36:0,36,427"  "0|0:20,0:20:60:0,60,819"  
[3,] "GT:AD:DP:GQ:PL" "0|0:27,0:27:81:0,81,1117" "0|0:26,0:26:78:0,78,1077" 
[4,] "GT:AD:DP:GQ:PL" "0|0:29,0:29:87:0,87,1243" "0|0:27,0:27:81:0,81,1158" 

既然已經(jīng)知道怎么調(diào)取相應(yīng)信息,則可將其存為數(shù)據(jù)框進(jìn)行任意操作

# 將fix內(nèi)容存為 info2
info2 <- vcf@fix
info2 <- as.data.frame(info2)

# 調(diào)取QUAL值存為qa
qa <- info2$QUAL
# 查看qual >30 的個數(shù)
qa <- as.numeric(as.character(qa))
table(qa > 30)
 TRUE 
22031

\color{red}{將因子轉(zhuǎn)變?yōu)閿?shù)值時(shí)現(xiàn)將其轉(zhuǎn)變?yōu)樽址?,然后在轉(zhuǎn)變?yōu)閿?shù)值}


建立chromR
chrom <- create.chromR(name='Supercontig', vcf=vcf, seq=dna, ann=gff)
# 畫圖
plot(chrom)

該圖可以看出,深度分布非常突出,峰值可以表示測序深度的一個區(qū)域,也能看出有很長的尾巴,表示存在變異。同時(shí)MQ值都在60左右達(dá)到了峰值,所以可以根據(jù)改值進(jìn)行過濾。QUAL不太好看出時(shí)從那里開始逐漸到峰值

還可以根據(jù)\color{red}{masker()} 進(jìn)行過濾

chrom <- masker(chrom, min_QUAL = 1, min_DP = 300, max_DP = 700, min_MQ = 59.9,  max_MQ = 60.1)
plot(chrom)

一旦我們對要考慮的高質(zhì)量變體感到滿意,就可以使用\color{red}{proc.chromR()}處理chromR對象

chrom <- proc.chromR(chrom, verbose=TRUE)
plot(chrom)

剛才我們已經(jīng)得到了變異文件,fasta文件,gff文件,并且過濾掉我們不滿意的數(shù)據(jù),現(xiàn)在我們來對其進(jìn)行可視化
使用\color{red}{chromoqc()}

chromoqc(chrom, dp.alpha=20)

也可以進(jìn)行調(diào)整X坐標(biāo),篩選出我們想看的區(qū)域

chromoqc(chrom, xlim=c(5e+05, 6e+05))

最后導(dǎo)出數(shù)據(jù)可以使用\color{red}{write.vcf()}

交流歡迎掃碼
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

友情鏈接更多精彩內(nèi)容