如何使用PLink删除重复的SNP？

Question

我正在与PLINK合作分析全基因组数据。

有谁知道如何删除重复的SNP？

Answer 1

在PLINK 1.9中，使用--list-duplicate-vars suppress-first，它将列出重复项，并删除一个（第一个），保留另一个完整。我知道这会滑倒。

您可以使用--exclude来保留而不是删除SNP列表，而不是使用Davy建议的--extract。在任何基于Unix的系统上都有一个简单的方法（假设您的数据采用PED / MAP格式并通过chromossome进行切割）：

for i in {1..22}; do
  cat yourfile_chr${i}.map | grep "$i" | cut -f -4 | uniq | cut -f -2 | keepers_chr${i}.txt;
done

这将为唯一位置的SNP创建一个带有SNP ID的keepers_chr.txt文件。然后运行PLINK，将原始文件输入，并使用--extract keepers_chr

答案 1 :(得分：2)

我没有自动执行此操作的命令，但我过去的方法是获取重复的SNP列表，例如将重复项更改为rs1001.dup，然后运行--update-allele --update-name然后创建重复项列表，以便所有条目的名称末尾都有.dup，然后运行--extract duplicateSNPs.txt --make-bed --out yourfilename.dups.removed

如果你熟悉R，获取重复的SNP列表应该不会太难。抱歉给你一个“好好学习X !!!”答案

答案 2 :(得分：0)

使用R更容易，但您必须使用TPED文件。一旦你设法获得TPED文件，只需将其复制并粘贴到R控制台：

a = read.table("yourfile.TPED",sep = " ",header=FALSE)
b = a[!duplicated(a$V2),]
write.table(b,file="newfile.TPED",sep=" ",quote = FALSE,col.names = FALSE, row.names=FALSE)

没有重复的newfile.TPED将在R工作目录中显示。 提示：您可以更改脚本的yourfile.TPED和newfile.TPED部分，以获取您文件的实际名称。

答案 3 :(得分：0)

其他一些可能有帮助/兴趣的想法：

1. 您还可以使用bcftools norm -D, --remove-duplicates命令使用bcftools删除vcf副本bcftools文档可以在https://samtools.github.io/bcftools/bcftools.html

   找到。

2. 本着仅使用Unix删除重复项的精神，我以前使用过以下命令（输入是压缩的vcf文件）gunzip -c input.vcf.gz | grep "^[^##]" | cut -f3 | sort | uniq -d > plink.dupvar plink.dupvar是PLINK程序在何时查找的文件名。执行重复删除步骤。

Answer 2

我没有自动执行此操作的命令，但我过去的方法是获取重复的SNP列表，例如将重复项更改为rs1001.dup，然后运行--update-allele --update-name然后创建重复项列表，以便所有条目的名称末尾都有.dup，然后运行--extract duplicateSNPs.txt --make-bed --out yourfilename.dups.removed

如果你熟悉R，获取重复的SNP列表应该不会太难。抱歉给你一个“好好学习X !!!”答案

Answer 3

使用R更容易，但您必须使用TPED文件。一旦你设法获得TPED文件，只需将其复制并粘贴到R控制台：

a = read.table("yourfile.TPED",sep = " ",header=FALSE)
b = a[!duplicated(a$V2),]
write.table(b,file="newfile.TPED",sep=" ",quote = FALSE,col.names = FALSE, row.names=FALSE)

没有重复的newfile.TPED将在R工作目录中显示。 提示：您可以更改脚本的yourfile.TPED和newfile.TPED部分，以获取您文件的实际名称。

Answer 4

其他一些可能有帮助/兴趣的想法：

1. 您还可以使用bcftools norm -D, --remove-duplicates命令使用bcftools删除vcf副本bcftools文档可以在https://samtools.github.io/bcftools/bcftools.html

   找到。

2. 本着仅使用Unix删除重复项的精神，我以前使用过以下命令（输入是压缩的vcf文件）gunzip -c input.vcf.gz | grep "^[^##]" | cut -f3 | sort | uniq -d > plink.dupvar plink.dupvar是PLINK程序在何时查找的文件名。执行重复删除步骤。