偶然见发现了一R包,名曰vcfR,可高效处理vcf文件,并且可以做出好看的图片
具体可查看说明文档高铁直达
安装
BiocManager::install("vcfR")
测试数据
该软件自带测试数据,可进行操练
# 读取文件
pkg <- "pinfsc50"
vcf_file <- system.file("extdata", "pinf_sc50.vcf.gz", package = pkg)
dna_file <- system.file("extdata", "pinf_sc50.fasta", package = pkg)
gff_file <- system.file("extdata", "pinf_sc50.gff", package = pkg)
vcf <- read.vcfR( vcf_file, verbose = FALSE )
dna <- ape::read.dna(dna_file, format = "fasta")
gff <- read.table(gff_file, sep="\t", quote="")
读取的vcf为一个对象
> vcf
***** Object of Class vcfR *****
18 samples
1 CHROMs
22,031 variants
Object size: 22.4 Mb
7.929 percent missing data
***** ***** *****
## 包含如下3个元素
meta
character vector for the meta information
fix
matrix for the fixed information
gt
matrix for the genotype information
3个元素包含的信息可以简单查阅
# meta 头信息
> head(vcf@meta)
[1] "##fileformat=VCFv4.1"
[2] "##source=\"GATK haplotype Caller, phased with beagle4\""
[3] "##FILTER="
[4] "##FORMAT="
# fix 1-9列的信息
> head(vcf@fix[,1:7])
CHROM POS ID REF ALT QUAL FILTER
[1,] "Supercontig_1.50" "41" NA "AT" "A" "4784.43" NA
[2,] "Supercontig_1.50" "136" NA "A" "C" "550.27" NA
[3,] "Supercontig_1.50" "254" NA "T" "G" "774.44" NA
[4,] "Supercontig_1.50" "275" NA "A" "G" "714.53" NA
# gt 各个样本的基因型信息
> head(vcf@gt[,1:3])
FORMAT BL2009P4_us23 DDR7602
[1,] "GT:AD:DP:GQ:PL" "1|1:0,7:7:21:283,21,0" "1|1:0,6:6:18:243,18,0"
[2,] "GT:AD:DP:GQ:PL" "0|0:12,0:12:36:0,36,427" "0|0:20,0:20:60:0,60,819"
[3,] "GT:AD:DP:GQ:PL" "0|0:27,0:27:81:0,81,1117" "0|0:26,0:26:78:0,78,1077"
[4,] "GT:AD:DP:GQ:PL" "0|0:29,0:29:87:0,87,1243" "0|0:27,0:27:81:0,81,1158"
既然已经知道怎么调取相应信息,则可将其存为数据框进行任意操作
# 将fix内容存为 info2
info2 <- vcf@fix
info2 <- as.data.frame(info2)
# 调取QUAL值存为qa
qa <- info2$QUAL
# 查看qual >30 的个数
qa <- as.numeric(as.character(qa))
table(qa > 30)
TRUE
22031
建立chromR
chrom <- create.chromR(name='Supercontig', vcf=vcf, seq=dna, ann=gff)
# 画图
plot(chrom)
该图可以看出,深度分布非常突出,峰值可以表示测序深度的一个区域,也能看出有很长的尾巴,表示存在变异。同时MQ值都在60左右达到了峰值,所以可以根据改值进行过滤。QUAL不太好看出时从那里开始逐渐到峰值
还可以根据 进行过滤
chrom <- masker(chrom, min_QUAL = 1, min_DP = 300, max_DP = 700, min_MQ = 59.9, max_MQ = 60.1)
plot(chrom)
一旦我们对要考虑的高质量变体感到满意,就可以使用处理chromR对象
chrom <- proc.chromR(chrom, verbose=TRUE)
plot(chrom)
刚才我们已经得到了变异文件,fasta文件,gff文件,并且过滤掉我们不满意的数据,现在我们来对其进行可视化
使用
chromoqc(chrom, dp.alpha=20)
也可以进行调整X坐标,筛选出我们想看的区域
chromoqc(chrom, xlim=c(5e+05, 6e+05))
最后导出数据可以使用