格式说明

VCF格式，Variant Call Format 变异判读文件格式

分为两部分内容：以“#”开头的注释部分；没有“#”开头的主体部分

先讲VCF文件主题部分的结构

CHROM ：表示变异位点是在哪个contig里call出来的，如果是人类全基因组的话那就是chr1…chr22，chrX,Y,M了
POS：变异位点相对于参考基因组所在的位置，如果是indel，就是第一个碱基所在的位置
ID：如果call出来的SNP存在于dbsnp数据库里，就会显示相应的dbsnp里的rs编号, 若没有，则用’.'表示其为一个novel variant。
REF和ALT：在这个变异位点处，参考基因组中所对应的碱基和研究对象基因组中所对应的碱基
QUAL：Phred格式(Phred_scaled)的质量值，表示在该位点存在variant的可能性；该值越高，则variant的可能性越大；计算方法：Phred值 = -10 * l/g (1-p) p为variant存在的概率; 通过计算公式可以看出值为10的表示错误概率为0.1，该位点为variant的概率为90%。
FILTER：使用上一个QUAL值来进行过滤的话，是不够的。GATK能使用其它的方法来进行过滤，过滤结果中通过则该值为”PASS”;若variant不可靠，则该项不为”PASS”或”.”。
FORMAT 和 testxxx：这两行合起来提供了’testxxx’ 这个sample的基因型的信息。 testxxx 代表这该名称的样品，是由BAM文件中的@RG下的 SM 标签决定的。
- GT：样品的基因型（genotype）。两个数字中间用’/'分开，这两个数字表示双倍体的sample的基因型。0 表示样品中有ref的allele； 1 表示样品中variant的allele； 2表示有第二个variant的allele。因此： 0/0 表示sample中该位点为纯合的，和ref一致； 0/1 表示sample中该位点为杂合的，有ref和variant两个基因型； 1/1 表示sample中该位点为纯合的，和variant一致。
- AD：对应两个以逗号隔开的值，这两个值分别表示覆盖到REF和ALT碱基的reads数，相当于支持REF和支持ALT的测序深度。
- DP：覆盖到这个位点的总的reads数量，相当于这个位点的深度（并不是多有的reads数量，而是大概一定质量值要求的reads数）。
- PL：指定的三种基因型的质量值(provieds the likelihoods of the given genotypes)。这三种指定的基因型为(0/0,0/1,1/1)，这三种基因型的概率总和为1。和之前不一致，该值越大，表明为该种基因型的可能性越小。 Phred值 = -10 * lg § p为基因型存在的概率=10^（-Phred值/10）。
  INFO
- AC：表示该Allele的数目，Allele数目为1表示双倍体的样本在该位点只有1个等位基因发生了突变
- AF：表示Allele的频率，Allele频率为0.5表示双倍体的样本在该位点只有50%的等位基因发生了突变
- AN：表示Allele的总数目,即：对于1个diploid sample而言：则基因型 0/1 表示sample为杂合子，Allele数为1(双倍体的sample在该位点只有1个等位基因发生了突变)，Allele的频率为0.5(双倍体的 sample在该位点只有50%的等位基因发生了突变)，总的Allele为2；基因型 1/1 则表示sample为纯合的，Allele数为2，Allele的频率为1，总的Allele为2。
- DP：样本在这个位置的reads覆盖度，是一些reads被过滤掉后的覆盖度（跟上面提到的DP类似）
- FS：使用Fisher’s精确检验来检测strand bias而得到的Fhred格式的p值，值越小越好
- MQ：表示覆盖序列质量的均方值RMS Mapping Quality

实操

查看头部注释信息

%%bash
grep '^#' ./data/genotype.vcf|wc -l

%%bash
grep '^#' ./data/genotype.vcf

##fileformat=VCFv4.2
##FILTER=<ID=LowQual,Description="Low quality">
##FILTER=<ID=QD,Description="QD < 2.0">
##FORMAT=<ID=AD,Number=.,Type=Integer,Description="Allelic depths for the ref and alt alleles in the order listed">
##FORMAT=<ID=DP,Number=1,Type=Integer,Description="Approximate read depth (reads with MQ=255 or with bad mates are filtered)">
##FORMAT=<ID=GQ,Number=1,Type=Integer,Description="Genotype Quality">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
##FORMAT=<ID=PL,Number=G,Type=Integer,Description="Normalized, Phred-scaled likelihoods for genotypes as defined in the VCF specification">
##INFO=<ID=AC,Number=A,Type=Integer,Description="Allele count in genotypes, for each ALT allele, in the same order as listed">
##INFO=<ID=AF,Number=A,Type=Float,Description="Allele Frequency, for each ALT allele, in the same order as listed">
##INFO=<ID=AN,Number=1,Type=Integer,Description="Total number of alleles in called genotypes">
##INFO=<ID=BaseQRankSum,Number=1,Type=Float,Description="Z-score from Wilcoxon rank sum test of Alt Vs. Ref base qualities">
##INFO=<ID=DP,Number=1,Type=Integer,Description="Approximate read depth; some reads may have been filtered">
##INFO=<ID=DS,Number=0,Type=Flag,Description="Were any of the samples downsampled?">
##INFO=<ID=Dels,Number=1,Type=Float,Description="Fraction of Reads Containing Spanning Deletions">
##INFO=<ID=ExcessHet,Number=1,Type=Float,Description="Phred-scaled p-value for exact test of excess heterozygosity">
##INFO=<ID=FS,Number=1,Type=Float,Description="Phred-scaled p-value using Fisher's exact test to detect strand bias">
##INFO=<ID=HaplotypeScore,Number=1,Type=Float,Description="Consistency of the site with at most two segregating haplotypes">
##INFO=<ID=InbreedingCoeff,Number=1,Type=Float,Description="Inbreeding coefficient as estimated from the genotype likelihoods per-sample when compared against the Hardy-Weinberg expectation">
##INFO=<ID=MLEAC,Number=A,Type=Integer,Description="Maximum likelihood expectation (MLE) for the allele counts (not necessarily the same as the AC), for each ALT allele, in the same order as listed">
##INFO=<ID=MLEAF,Number=A,Type=Float,Description="Maximum likelihood expectation (MLE) for the allele frequency (not necessarily the same as the AF), for each ALT allele, in the same order as listed">
##INFO=<ID=MQ,Number=1,Type=Float,Description="RMS Mapping Quality">
##INFO=<ID=MQ0,Number=1,Type=Integer,Description="Total Mapping Quality Zero Reads">
##INFO=<ID=MQRankSum,Number=1,Type=Float,Description="Z-score From Wilcoxon rank sum test of Alt vs. Ref read mapping qualities">
##INFO=<ID=QD,Number=1,Type=Float,Description="Variant Confidence/Quality by Depth">
##INFO=<ID=RPA,Number=.,Type=Integer,Description="Number of times tandem repeat unit is repeated, for each allele (including reference)">
##INFO=<ID=RU,Number=1,Type=String,Description="Tandem repeat unit (bases)">
##INFO=<ID=ReadPosRankSum,Number=1,Type=Float,Description="Z-score from Wilcoxon rank sum test of Alt vs. Ref read position bias">
##INFO=<ID=SOR,Number=1,Type=Float,Description="Symmetric Odds Ratio of 2x2 contingency table to detect strand bias">
##INFO=<ID=STR,Number=0,Type=Flag,Description="Variant is a short tandem repeat">
##contig=<ID=A1,length=34083085>
##contig=<ID=A2,length=34414252>
##contig=<ID=A3,length=28939167>
##contig=<ID=A4,length=24315960>
##contig=<ID=A5,length=33714806>
##contig=<ID=A6,length=27018480>
##contig=<ID=A7,length=31477646>
##contig=<ID=A8,length=26149438>
##contig=<ID=A9,length=34986854>
##contig=<ID=A10,length=28419553>
##contig=<ID=A11,length=27106780>
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  test102 test103 test105 test110 test111 test112 test116 test117 test118 test119 test121 test122 test123 test125 test127 test128 test129 test13  test133 test134 test138 test14  test140 test146 test147 test149 test151 test154 test155 test160 test162 test163 test164 test166 test17  test171 test173 test174 test176 test178 test179 test18  test181 test183 test184 test185 test186 test187 test188 test189 test19  test190 test195 test197 test198 test199 test201 test202 test205 test206 test208 test212 test213 test214 test215 test216 test217 test218 test219 test22  test220 test222 test23  test26  test3   test30  test31  test32  test33  test36  test37  test38  test39  test40  test41  test45  test46  test47  test48  test49  test51  test52  test56  test58  test59  test6   test62  test64  test65  test67  test68  test69  test70  test72  test73  test76  test77  test79  test80  test81  test84  test86  test87  test88  test92  test93  test94  test95  test96  test99

查看样本信息

%%bash
grep '#CHROM' ./data/genotype.vcf|cut -f 10-

test102  test103 test105 test110 test111 test112 test116 test117 test118 test119 test121 test122 test123 test125 test127 test128 test129 test13  test133 test134 test138 test14  test140 test146 test147 test149 test151 test154 test155 test160 test162 test163 test164 test166 test17  test171 test173 test174 test176 test178 test179 test18  test181 test183 test184 test185 test186 test187 test188 test189 test19  test190 test195 test197 test198 test199 test201 test202 test205 test206 test208 test212 test213 test214 test215 test216 test217 test218 test219 test22  test220 test222 test23  test26  test3   test30  test31  test32  test33  test36  test37  test38  test39  test40  test41  test45  test46  test47  test48  test49  test51  test52  test56  test58  test59  test6   test62  test64  test65  test67  test68  test69  test70  test72  test73  test76  test77  test79  test80  test81  test84  test86  test87  test88  test92  test93  test94  test95  test96  test99

%%bash
grep '#CHROM' ./data/genotype.vcf|cut -f 10- |tr '\t' '\n'|wc -l

查看主体信息

%%bash
grep -v ‘^#’ ./data/genotype.vcf |wc -l
grep -v ‘^#’ ./data/genotype.vcf |head -1|cut -f 1-10

过滤质量值大于80小于20000的标记

%%bash
grep -v '^#' ./data/genotype.vcf |awk  '{if(80 < $6 && $6< 20000) print $6}'

只保留SNP

%%bash
grep -v '^#' ./data/genotype.vcf |awk '{if (length($4) == 1 && length($5) == 1) print $1,$2,$3,$4,$5}'|head

A1 5418 . C A
A1 42134 . A G
A1 90833 . C A
A1 113451 . T A
A1 249739 . T A
A1 547087 . C T
A1 547089 . C T
A1 547591 . G T
A1 868930 . A G
A1 872821 . C T

使用vcftools对vcf文件的操作

参考：vcftools用法详解

生物信息数据格式：vcf格式相关推荐

excel转vcf格式通讯录的批量方法
简介因为工作中接触的客户比较多,我通常习惯使用Excel表格来存放我的通讯录.但当通讯录的人越来越多的时候,手动添加到手机就不太现实了. 讲一讲我今天找到的一个Excel表格文件转vcf通讯录文件的 ...
解析VCARD文件（vcf格式）导入QQ通讯录功能
参考了这篇文章: http://www.blogjava.net/sundc/archive/2008/08/04/219877.html http://www.blogjava.net/sundc/ ...
Excel转成vCard（vcf格式）的5种方法 | 古意人
2019独角兽企业重金招聘Python工程师标准>>> Excel转成vCard(vcf格式)的5种方法 | 古意人 Excel转成vCard(vcf格式)的5种方法 2014年10 ...
php生成vcf,php简单读取.vcf格式文件的方法示例
本文实例讲述了php简单读取.vcf格式文件的方法.分享给大家供大家参考,具体如下: /** * 读取.vcf格式文件 * @param $filename */ function readCvf($ ...
怎么把苹果手机通讯录导入华为手机_如何将通讯录批量转换为vcf格式导入手机，苹果手机如何批量删除通讯录？
前言 vcf文件,可以导入安卓.苹果手机中,可以利用支付宝.QQ.微信的通过通讯录查找好友功能,补全想要查询的手机号码. 利用网易邮箱转换功能将通讯录按照以下格式保存到excel中,第一列:姓名:第 ...
通讯录VCF格式批量生成
办公室明明做了工作人员通讯录,但在要找某同事电话时才发现,手机通讯录里没存啊!然后速速打开群文件找到通讯录文件,找到对应的电话后发现,诶,QQ群文件的Excel表格不能直接复制文本出来,又得手动一个个 ...
医学图像数据格式和格式转换
医学图像数据格式和格式转换本文转载自:http://blog.csdn.net/kingmicrosoft/article/details/35798249 由于最近碰到了数据格式的问题,重建不出效 ...
php vcf,php读取 .vcf 格式文件的方法
这篇文章主要介绍了php读取.vcf格式文件的方法,结合具体实例形式分析了php自定义函数读取vcf格式文件的具体实现方法与相关注意事项,需要的朋友可以参考下具体如下: /** * 读取.vcf格式 ...
php vcf,php简单读取.vcf格式文件的方法示例
本文实例讲述了php简单读取.vcf格式文件的方法.分享给大家供大家参考,具体如下: /** * 读取.vcf格式文件 * @param $filename */ function readCvf($ ...

生物信息数据格式：vcf格式

文章目录

格式说明

实操

查看头部注释信息

查看样本信息

查看主体信息

过滤质量值大于80小于20000的标记

只保留SNP

使用vcftools对vcf文件的操作

生物信息数据格式：vcf格式相关推荐

最新文章

热门文章