Question

我有两个文件：pedigree.ped和pedigree.map。 Plink可以使用这两种文件格式。

在我的情况下，我想与R一起使用它们，我想我必须转换为R格式。例如：Plink中的缺失值与R中的缺失值不同。

如何将这两个文件转换为在R中使用它们？如何将缺失值更改为NA？

我的数据样本：

ped file：

1 1 0 0 1.02  A A   G G   0 0
1 2 0 0 0.51  T G   C C   A A
2 3 1 2 -9    0 0   A G   T T
...

第一列是id_family，第二列是id_individual，第三列是id_individual的父亲和母亲，第五列是数量特征（-9：缺失值），其余列是基因型（SNP等位基因）。列的缺失值为0，但数量特征为-9。

地图文件：

1 rs1 0 100000
1 rs2 0 100100
1 rs3 0 100200

第一列是id染色体（1-22，X，Y或0，如果未放置），第二列是rs＃或snp标识符，第三列是遗传距离（morgans），第四列是碱基对位置（bp单位）

Answer 1

假设ped文件中的数据被读入R数据帧 -

> my.dataframe
  V1 V2 V3 V4    V5 V6 V7 V8 V9 V10 V11
1  1  1  0  0  1.02  A  A  G  G   0   0
2  1  2  0  0  0.51  T  G  C  C   A   A
3  2  3  1  2 -9.00  0  0  A  G   T   T

现在检查每列的无效/缺失值＆amp;分配NA。例如，请参阅第5列 -

my.dataframe[my.dataframe[,5] == -9, 5] <- NA
> my.dataframe
  V1 V2 V3 V4   V5 V6 V7 V8 V9 V10 V11
1  1  1  0  0 1.02  A  A  G  G   0   0
2  1  2  0  0 0.51  T  G  C  C   A   A
3  2  3  1  2   NA  0  0  A  G   T   T

同样为所需的条目分配NA。

注意：R函数以特殊方式处理NA。查看相应的函数参数。要关注的一些相关关键字 - na.rm，na.pass，na.fail，na.omit等。

Answer 2

将ped文件读入R时定义NA值，例如：

read.table(text = "
1   1   0   0   1.02    A A G G 0 0
1   2   0   0   0.51    T G C C A A
2   3   1   2   -9  0 0 A G T T",
           na.strings = c("NA", "-9"), sep = "\t")

# result
#   V1 V2 V3 V4   V5  V6  V7  V8
# 1  1  1  0  0 1.02 A A G G 0 0
# 2  1  2  0  0 0.51 T G C C A A
# 3  2  3  1  2   NA 0 0 A G T T

此外，使用plink时使用--tab选项，因此列的分隔符为标签，基因型之间的空格为空格。

- tab delimit --recode和--recode12 with tabs

读入R时，在Plink PED文件中将缺失值（-9）转换为NA

2 个答案: