【Plink】Error: Multiple instances of '_' in sample ID.？

前言

将vcf转化为plink格式时，命令如下：

plink --vcf  snp.vcf --recode --allow-extra-chr --out test

出现错误：

Error: Multiple instances of '_' in sample ID.
If you do not want '_' to be treated as a FID/IID delimiter, use --double-id or
--const-fid to choose a different method of converting VCF sample IDs to PLINK
IDs, or --id-delim to change the FID/IID delimiter.

原因

报错信息中已有提示。

plink默认使用下划线对样本名进行分隔，分隔的两个字段分别作为ped文件中的family id和sample id, 如果vcf中的样本名含有多个下划线，无法正确进行划分，软件会报错。

解决方法

方法一：修改样本名

假设你的vcf文件样本名在第7行：

sed -i '7s/_/-/g' snp.vcf

方法二：修改--id-delim

--id-delim参数设定默认分隔符是下划线，可以设置成其他字符，以达到正确区分的目的。

方法三：加入--double_id或--const-fid参数

通过加入参数指定family_id的设定方式，有两种参数。

第一种--double_id, 将family id和sample id保持相同。对于植物基因组分析而言，常忽略父母本，加入这个参数即可：

plink --vcf  snp.vcf --recode --allow-extra-chr --double_id --out test

第二种--const-fid将family id设置成一个常量（默认值是0）。

https://cloud.tencent.com/developer/article/1556166
https://www.cog-genomics.org/plink2/input