多个plink文件合并方法

时间：2022-02-18 01:02:56


大家好，我是邓飞，这里总结一下多个plink文件合并的问题。

合并有两种应用场景：

  • 1，样本一样，位点不一样，不如同样的样本，第一号染色体的数据，第二号染色体的数据合并。
  • 2，位点一样，样本不一样，比如同样的芯片数据（map数据一样），第一批的数据，第二批的数据。

所以，这里也分为两种方法总结一下。

1. 样本一样，位点不一样

典型的情况：现在有4条染色体的数据，每个染色体一套plink文件，如何合并在一起。

比如数据：

dat_chr_1.map  dat_chr_2.map  dat_chr_3.map  dat_chr_4.map
dat_chr_1.ped  dat_chr_2.ped  dat_chr_3.ped  dat_chr_4.ped

这里使用--merge-list，对多个文件进行合并。

首先，我们先生成一个txt文件，把需要合并的ped和map数据的名称放进去，ped在前面，map在后面。

下面的文件名为：p12.txt，分为两列内容，第一列为ped的名称，第二列为map的名称，每一行都是一对plink文件。

dat_chr_1.ped   dat_chr_1.map
dat_chr_2.ped   dat_chr_2.map
dat_chr_3.ped   dat_chr_3.map
dat_chr_4.ped   dat_chr_4.map

代码如下：

plink --merge-list p12.txt --recode --out hebing

日志如下行：

$ plink --merge-list p12.txt --recode --out hebing
PLINK v1.90b6.21 64-bit (19 Oct 2020)          www.cog-genomics.org/plink/1.9/
(C) 2005-2020 Shaun Purcell, Christopher Chang   GNU General Public License v3
Logging to hebing.log.
Options in effect:
  --merge-list p12.txt
  --out hebing
  --recode

15236 MB RAM detected; reserving 7618 MB for main workspace.
Performing single-pass merge (165 people, 426095 variants).
Merged fileset written to hebing.bed + hebing.bim + hebing.fam .
426095 variants loaded from .bim file.
165 people (80 males, 85 females) loaded from .fam.
112 phenotype values loaded from .fam.
Using 1 thread (no multithreaded calculations invoked).
Before main variant filters, 112 founders and 53 nonfounders present.
Calculating allele frequencies... done.
Total genotyping rate is 0.997722.
426095 variants and 165 people pass filters and QC.
Among remaining phenotypes, 56 are cases and 56 are controls.  (53 phenotypes
are missing.)
--recode ped to hebing.ped + hebing.map ... done.

结果文件：

map数据之和，是合并后的map数据。

$ wc -l *map
  119487 dat_chr_1.map
  119502 dat_chr_2.map
   98971 dat_chr_3.map
   88135 dat_chr_4.map
  426095 hebing.map
  852190 total

ped数据不变：

$ wc -l *ped
      165 dat_chr_1.ped
      165 dat_chr_2.ped
      165 dat_chr_3.ped
      165 dat_chr_4.ped
      165 hebing.ped
      825 total

2. 位点一样，样本不一样

同样使用上面的方法。用--merge-list，然后定义名称的文件去进行合并。

这里用两个plink文件，sample1和sample2，多个文件操作方法是一样的。

sample1.map  sample1.ped  sample2.map  sample2.ped

生成p12.txt文件：

sample1.ped     sample1.map
sample2.ped     sample2.map

运行命令合并：

plink --merge-list p12.txt --recode --out hebing2

日志如下：

$ plink --merge-list p12.txt --recode --out hebing2
PLINK v1.90b6.21 64-bit (19 Oct 2020)          www.cog-genomics.org/plink/1.9/
(C) 2005-2020 Shaun Purcell, Christopher Chang   GNU General Public License v3
Logging to hebing2.log.
Options in effect:
  --merge-list p12.txt
  --out hebing2
  --recode

15236 MB RAM detected; reserving 7618 MB for main workspace.
Performing single-pass merge (25 people, 1457897 variants).
Merged fileset written to hebing2.bed + hebing2.bim + hebing2.fam .
1457897 variants loaded from .bim file.
25 people (13 males, 12 females) loaded from .fam.
17 phenotype values loaded from .fam.
Using 1 thread (no multithreaded calculations invoked).
Before main variant filters, 17 founders and 8 nonfounders present.
Calculating allele frequencies... done.
Total genotyping rate is 0.996107.
1457897 variants and 25 people pass filters and QC.
Among remaining phenotypes, 10 are cases and 7 are controls.  (8 phenotypes are
missing.)
--recode ped to hebing2.ped + hebing2.map ... done.
Warning: 2 het. haploid genotypes present (see hebing2.hh ); many commands
treat these as missing.

结果如下：

map数据完全一样，ped数据相加。

多个plink文件合并方法

3. 注意事项

注意1：如果位点不一样，会计算两个map的并集

注意2：合并时，不是根据染色体+物理位置，而是根据第二列map的名称，要确保有交集，否则合并的结果是错误的

注意3：样本合并时，如果样本ID有重复，会报错。建议提取检验


标签：

相关文章