GBS hapmap 格式 转化为Plink格式：tassel vcftools方法汇总

1. 参考资料

https://zhuanlan.zhihu.com/p/38590403
环境：linux系统

2. 安装软件

首先，要安装anaconda或者miniconda，然后使用conda install进行软件安装, 安装conda方法：
https://docs.anaconda.com/anaconda/install/linux/

2.1 安装tassel

tassel的按照方法，使用git将文件copy到本地，然后将里面的内容（可执行文件） copy到home下的bin文件中， 不用设置路径了。

git clone https://bitbucket.org/tasseladmin/tassel-5-standalone.git

2.2 安装vcftools

https://anaconda.org/bioconda/vcftools

conda install -c bioconda vcftools

2.3 安装R语言

https://anaconda.org/r/r

conda install -c r r

3. 文件格式

3.1 hapmap格式：genotype.hmp.txt

行头：

rs#    alleles    chrom     pos     strand    assembly#    center    protLSID    assayLSID    panelLSID    QCcode    sample1 sample2 ...

内容：

rs#     alleles chrom   pos     strand  assembly#       center  protLSID        assayLSID       panelLSID       QCcode  Sample_YCX334/12Sample_ya>1:1151  C       1       1151    +       NA      NA      NA      NA      NA      NA      N       N       N       C       C       C       N       C>1:1203  T/C     1       1203    +       NA      NA      NA      NA      NA      NA      T       N       T       N       T       T       T       T>1:1249  A/C     1       1249    +       NA      NA      NA      NA      NA      NA      A       N       A       N       A       A       A       A>1:1266  G/A     1       1266    +       NA      NA      NA      NA      NA      NA      G       N       G       G       G       G       G       N>1:1277  T/C     1       1277    +       NA      NA      NA      NA      NA      NA      T       T       T       T       T       T       T       N>1:1325  C/T     1       1325    +       NA      NA      NA      NA      NA      NA      C       N       N       N       N       N       C       N>1:1335  G/T     1       1335    +       NA      NA      NA      NA      NA      NA      G       G       G       G       G       G       G       G>1:1362  G/A     1       1362    +       NA      NA      NA      NA      NA      NA      G       G       G       G       G       G       G       G>

3.2 plink格式：ped和map

plink格式是基因组选择中经常用到的文件类型， plink软件功能强大，运行速度快。

3.2.1 .map格式

格式说明链接: http://zzz.bwh.harvard.edu/plink/data.shtml#map

map格式的文件, 主要是图谱文件信息, 主要包括染色体名称, 所在的染色体和所在染色体的坐标.
1, map文件没有行头
2, map文件包括四列: 染色体, SNP名称, SNP位置, 碱基对坐标

• 染色体编号为数字, 未知为0
• SNP名称为字符或数字, 如果不重要, 可以从1编号, 注意要和bed文件SNP列一一对应
• 染色体的摩尔未知(可选项, 可以用0)
• SNP物理坐标
  3, 如果只有SNP名称, 可以手动构建map文件, 第二列为SNP名称, 其它三列为0即可.
  Example:

  1 snp1 0 11 snp2 0 21 snp3 0 3

• 这里有3个SNP, 分别名为snp1, snp3, snp3 (第二列)
• 这三个SNP在第一个染色体上 (第一列)
• 第三列为0
• 第四列为SNP所在染色体的坐标

  3.2.2 .ped格式

  格式说明链接:http://zzz.bwh.harvard.edu/plink/data.shtml#ped
  bed格式的文件, 主要包括SNP的信息, 包括个体ID, 系谱信息, 表型和SNP的分型信息.
  1, 数据没有行头, 空格或者tab隔开的文件
  2, 必须要有六列, 包括系谱信息, 表型信息
• 第一列: Family ID # 如果没有, 可以用个体ID代替
• 第二列: Individual ID # 个体ID编号
• 第三列: Paternal ID # 父本编号
• 第四列: Maternal ID # 母本编号
• 第五列: Sex (1=male; 2=female; other=unknown) # 性别, 如果未知, 用0表示
• 第六列: Phenotype # 表型数据, 如果未知, 用0表示
• 第七列以后: 为SNP分型数据, 可以是AT CG或11 12, 或者A T C G或1 1 2 2
  3, 上面六列, 必须要有, 如果没有相关数据, 用0表示.
  Example:

  1 1 0 0 1  0  G G  2 2  C C1 2 0 0 2  0  A A  0 0  A C1 3 1 2 1  2  0 0  1 2  A C2 1 0 0 1  0  A A  2 2  0 02 2 0 0 2  2  A A  2 2  0 02 3 1 2 1  2  A A  2 2  A A

• 数据包括两个家系 (第一列)
• 每个家系有三个个体 (第二列)
• 第三列父本编号
• 第四列母本编号
• 第五列性别
• 第六列表型值
• 第七列, 第八列为一个基因型
• 第九列, 第十列为第二个基因型

​