目錄
相信經(jīng)常使用R的同學(xué)們對tidy格式的數(shù)據(jù)并不陌生。接近標(biāo)準(zhǔn)格式的數(shù)據(jù)框趋翻，非常便于操作功茴。其實vcf數(shù)據(jù)也可以通過vcfR轉(zhuǎn)變成tidy格式的數(shù)據(jù)。這次我們會繼續(xù)使用vcfR自帶測試文件vcfR_test來教學(xué)恋昼。
library(vcfR)
data("vcfR_test")
vcfR_test
***** Object of Class vcfR *****
3 samples
1 CHROMs
5 variants
Object size: 0 Mb
0 percent missing data
***** ***** *****
函數(shù)vcfR2tidy()會將這個數(shù)據(jù)變成tibble形式的tidy數(shù)據(jù)寸认。在此之前我們可以通過vcf_field_names()函數(shù)來查看這個vcf里包含著哪些類型的數(shù)據(jù)。比方說查看一下FORMAT诊赊，結(jié)果顯示FORMAT里有四種類型GT,GQ,DP,HQ匹颤，各自包含幾個數(shù)據(jù)仅孩，分別代表什么意思等等。
vcf_field_names(vcfR_test, tag = "FORMAT")
> vcf_field_names(vcfR_test, tag = "FORMAT")
# A tibble: 4 x 5
Tag ID Number Type Description
<chr> <chr> <chr> <chr> <chr>
1 FORMAT GT 1 String Genotype
2 FORMAT GQ 1 Integer Genotype Quality
3 FORMAT DP 1 Integer Read Depth
4 FORMAT HQ 2 Integer Haplotype Quality
提取GT,DP并轉(zhuǎn)變數(shù)據(jù)印蓖。形成一個list辽慕。
> Z <- vcfR2tidy(vcfR_test, format_fields = c("GT", "DP"))
Extracting gt element GT
Extracting gt element DP
查看一下剛才轉(zhuǎn)變出來的數(shù)據(jù)Z里面有點什么。Z里有fix, gt, meta 三組數(shù)據(jù)另伍。
> names(Z)
[1] "fix" "gt" "meta"
再分別看一下吧鼻百。
Z$meta
> Z$meta
# A tibble: 8 x 5
Tag ID Number Type Description
<chr> <chr> <chr> <chr> <chr>
1 INFO NS 1 Integer Number of Samples With Data
2 INFO DP 1 Integer Total Depth
3 INFO AF A Float Allele Frequency
4 INFO AA 1 String Ancestral Allele
5 INFO DB 0 Flag dbSNP membership, build 129
6 INFO H2 0 Flag HapMap2 membership
7 FORMAT gt_GT 1 String Genotype
8 FORMAT gt_DP 1 Integer Read Depth
> Z$gt
# A tibble: 15 x 6
ChromKey POS Indiv gt_GT gt_DP gt_GT_alleles
<int> <int> <chr> <chr> <int> <chr>
1 1 14370 NA00001 0|0 1 G|G
2 1 17330 NA00001 0|0 3 T|T
3 1 1110696 NA00001 1|2 6 G|T
4 1 1230237 NA00001 0|0 7 T|T
5 1 1234567 NA00001 0/1 4 GTC/G
6 1 14370 NA00002 1|0 8 A|G
7 1 17330 NA00002 0|1 5 T|A
8 1 1110696 NA00002 2|1 0 T|G
9 1 1230237 NA00002 0|0 4 T|T
10 1 1234567 NA00002 0/2 2 GTC/GTCT
11 1 14370 NA00003 1/1 5 A/A
12 1 17330 NA00003 0/0 3 T/T
13 1 1110696 NA00003 2/2 4 T/T
14 1 1230237 NA00003 0/0 2 T/T
15 1 1234567 NA00003 1/1 3 G/G
> Z$fix
# A tibble: 5 x 14
ChromKey CHROM POS ID REF ALT QUAL FILTER NS DP AF AA DB
<int> <chr> <int> <chr> <chr> <chr> <dbl> <chr> <int> <int> <chr> <chr> <lgl>
1 1 20 1.44e4 rs60… G A 29 PASS 3 14 0.5 NA TRUE
2 1 20 1.73e4 NA T A 3 q10 3 11 0.017 NA FALSE
3 1 20 1.11e6 rs60… A G,T 67 PASS 2 10 0.33… T TRUE
4 1 20 1.23e6 NA T NA 47 PASS 3 13 NA T FALSE
5 1 20 1.23e6 micr… GTC G,GT… 50 PASS 3 9 NA G FALSE
# … with 1 more variable: H2 <lgl>
這些數(shù)據(jù)看上去應(yīng)該很眼熟了吧，可以直接用tidyverse包來操作摆尝。至于tidyverse怎么用可以參照我的文集温艇。
