PLINK并删除部分数据

Question

我有一个使用PLINK处理的SNP文件。我列出了几千个SNP。在文件中，它们被分配NA，0,1或2中的一个。我想删除具有NA的SNP列表，即它们是单态的。问题是文件按顺序列出了所有数千个SNP，然后在一行中用空格分隔它们各自的值。根据人工检查，很难看出哪些值与哪个SNP相对应。

有没有一种简单的方法可以使用PLINK从文件中删除单形SNP？或者这最好用Python完成吗？

Answer 1

如果您还没有找到它，可以使用PLINK --maf删除单形SNP。

删除数据集中的单态SNP（MAF = 0.0的那些） http://www.shapeit.fr/pages/pedmap.html

Answer 2

呃，不会NA意味着某些snps缺少数据值？要删除它们，您应该使用--geno命令。引用docs：

  

- geno过滤掉所有缺少呼叫率的变体超过要删除的提供值（默认值为0.1）

然而，--maf命令会删除单形snps。将--maf设置为略高于0可能是明智的，因为如果以非常低的频率发现等位基因，则可能代表基因分型错误。

总而言之，您可能希望在plink命令中插入以下类型的质量控制：

--geno 0.03 --hwe 0.00001 --maf 0.00001

（hwe只是常规的Hardy-Weinberg均衡）。