【数据使用】3k水稻数据库现成SNP的使用
---恢复内容开始---
我们经常说幻想着使用已有数据发表高分文章,的确,这样的童话故事每天都在发生,但如何走出第一步我们很多小伙伴不清楚,那么我们就从水稻SNP数据库的使用来讲起。
http://snp-seek.irri.org/
这是3k的水稻变异库,上面保存着现成的SNP,由于数据过大,网站的维护方使用了Plink的格式来给我们在线储存SNP的信息,可以理解毕竟3025个水稻的全基因组SNP,怎么算都不是个小数。
Plink格式是如下三个文件:
base_filtered_v0.7.bed.gz
base_filtered_v0.7.bim.gz
base_filtered_v0.7.fam.gz
用Plink软件的“--recode”就可以把这三个软件转化为Vcf格式:
--recode [output format] < | > <tab | tabx | spacex | bgz | gen-gz>
<include-alt> <omit-nonmale-y>
Create a new text fileset with all filters applied. The following output
formats are supported:
* '': 23andMe -column format. This can only be used on a single
sample's data (--keep may be handy), and does not support multicharacter
allele codes.
* 'A': Sample-major additive (//) coding, suitable for loading from R.
If you need uncounted alleles to be named in the header line, add the
'include-alt' modifier.
* 'AD': Sample-major additive (//) + dominant (het=/hom=) coding.
Also supports 'include-alt'.
* 'A-transpose': Variant-major //.
* 'beagle': Unphased per-autosome .dat and .map files, readable by early
BEAGLE versions.
* 'beagle-nomap': Single .beagle.dat file.
* 'bimbam': Regular BIMBAM format.
* 'bimbam-1chr': BIMBAM format, with a two-column .pos.txt file. Does not
support multiple chromosomes.
* 'fastphase': Per-chromosome fastPHASE files, with
.chr-[chr #].recode.phase.inp filename extensions.
* 'fastphase-1chr': Single .recode.phase.inp file. Does not support
multiple chromosomes.
* 'HV': Per-chromosome Haploview files, with .chr-[chr #][.ped + .info]
filename extensions.
* 'HV-1chr': Single Haploview .ped + .info file pair. Does not support
multiple chromosomes.
* 'lgen': PLINK long-format (.lgen + .fam + .map), loadable with --lfile.
* 'lgen-ref': .lgen + .fam + .map + .ref, loadable with --lfile +
--reference.
* 'list': Single genotype-based list, up to lines per variant. To omit
nonmale genotypes on the Y chromosome, add the 'omit-nonmale-y' modifier.
* 'rlist': .rlist + .fam + .map fileset, where the .rlist file is a
genotype-based list which omits the most common genotype for each
variant. Also supports 'omit-nonmale-y'.
* 'oxford': Oxford-format .gen + .sample. With the 'gen-gz' modifier, the
.gen file is gzipped.
* 'ped': PLINK sample-major (.ped + .map), loadable with --file.
* 'compound-genotypes': Same as 'ped', except that the space between each
pair of same-variant allele codes is removed.
* 'structure': Structure-format.
* 'transpose': PLINK variant-major (.tped + .tfam), loadable with
--tfile.
* 'vcf', 'vcf-fid', 'vcf-iid': VCFv4.. 'vcf-fid' and 'vcf-iid' cause
family IDs or within-family IDs respectively
to be used for the sample
IDs in the last header row, while 'vcf' merges both IDs and puts an
underscore between them. If the 'bgz' modifier is added, the VCF file is
block-gzipped.
The A2 allele is saved as the reference and normally flagged as not based
on a real reference genome (INFO:PR). When it is important for reference
alleles to be correct, you'll also want to include --a2-allele and
--real-ref-alleles in your command.
In addition,
* The '' modifier causes A1 (usually minor) alleles to be coded as ''
and A2 alleles to be coded as '', while '' maps A1 -> and A2 -> .
* The 'tab' modifier makes the output mostly tab-delimited instead of
mostly space-delimited. 'tabx' and 'spacex' force all tabs and all
spaces, respectively.
plink --bfile <prefix> --recode vcf-iid --out ./<out-prefix>
通过这种方式就可以把bed的信息转化为可用的vcf。
【数据使用】3k水稻数据库现成SNP的使用的更多相关文章
- 如何将MongoDB数据库的数据迁移到MySQL数据库中
FAQ v2.0终于上线了,断断续续忙了有2个多月.这个项目是我实践的第一个全栈的项目,从需求(后期有产品经理介入)到架构,再到设计(有征询设计师的意见).构建(前端.后台.数据库.服务器部署),也是 ...
- 数据导入导出Oracle数据库
临近春节,接到了一个导入数据的任务,在Linux客户端中的数据有50G,大约3亿3千万行: 刚开始很天真,把原始的txt/csv文件用sh脚本转化成了oralce 的insert into 语句,然后 ...
- 测试Oracle 11gr2 RAC 非归档模式下,offline drop数据文件后的数据库的停止与启动测试全过程
测试Oracle 11gr2 RAC 非归档模式下,offline drop数据文件后的数据库的停止与启动测试全过程 最近系统出现问题,由于数据库产生的日志量太大无法开启归档模式,导致offline的 ...
- 怎样把excel的数据导入到sqlserver2000数据库中
在做程序的时候有时需要把excel数据导入到sqlserver2000中,以前没从外部导入过数据,今天刚做了一下导入数据,感觉还是蛮简单的,没做过之前还想着多么的复杂呢,下面就来分享一下我是如何把ex ...
- 学习springMVC框架配置遇到的问题-数据写入不进数据库时的处理办法
配置完了,运行,数据写入不到数据库中,就应该想UserAction 中的handleRequest()方法有没有进去,然后就设置断点.如果发现程序没有进去,就再想办法进去.
- paip.导入数据英文音标到数据库mysql为空的问题之道解决原理
paip.导入数据英文音标到数据库mysql为空的问题之道解决原理 #---原因:mysql 导入工具的bug #---解决:使用双引号不个音标括起来. 作者 老哇的爪子 Attilax 艾龙, E ...
- python 读取SQLServer数据插入到MongoDB数据库中
# -*- coding: utf-8 -*-import pyodbcimport osimport csvimport pymongofrom pymongo import ASCENDING, ...
- 极限挑战—C#100万条数据导入SQL SERVER数据库仅用4秒 (附源码)
原文:极限挑战-C#100万条数据导入SQL SERVER数据库仅用4秒 (附源码) 实际工作中有时候需要把大量数据导入数据库,然后用于各种程序计算,本实验将使用5中方法完成这个过程,并详细记录各种方 ...
- 将DataTable 数据插入 SQL SERVER 数据库
原文:将DataTable 数据插入 SQL SERVER 数据库 以下提供3中方式将DataTable中的数据插入到SQL SERVER 数据库: 一:使用sqlcommand.executenon ...
随机推荐
- node-log4js3.0.6配置
const log4js = require('log4js'); const conf = { "appenders": { "access": { &quo ...
- numpy学习之创建数组
1.使用array函数创建数组 import numpy as np ndarray1 = np.array([1, 2, 3]) array([1, 2, 3]) ndarray2 = np.arr ...
- 【thinkphp5】安全建议:隐藏后台登录入口地址
我们都知道后台 www.test.com/admin 是我们最常用的登录入口,方便的同时也留下了隐患,如果你刚好使用了 admin/ 这种账号密码的方式,会导致我们的后台完全暴露在外. 因此我们建 ...
- xgboost原理
出处http://blog.csdn.net/a819825294 1.序 距离上一次编辑将近10个月,幸得爱可可老师(微博)推荐,访问量陡增.最近毕业论文与xgboost相关,于是重新写一下这篇文章 ...
- 前端上传 base64 编码图片到七牛云存储
参考文档 如何上传base64编码图片到七牛云 调试过程 文档中分别有 java 和 html 的 demo,可以根据文档示例调试. 下面是我调试的过程,可以作为参考,特别注意的是,如果需要给文件起名 ...
- 页面初始化document.body.clientWidth大小变化
目前:原因不明 初步判断:设置字体大小前图片加载失败! 结果:等待验证
- day19:常用模块(collections,time,random,os,sys)
1,正则复习,re.S,这个在用的最多,re.M多行模式,这个主要改变^和$的行为,每一行都是新串开头,每个回车都是结尾.re.L 在Windows和linux里面对一些特殊字符有不一样的识别,re. ...
- pycharm import pygame 出现报错:No module named 'pygame'
首先发现装的Python 有问题原来的Python3.6.4版本安装完成后Scripts文件夹里空白的,什么也没有,从https://www.python.org/downloads/windows/ ...
- windows 创建共享文件夹
1.右键要共享的文件夹----“共享”------“指定特定用户”,出现如下对话框: 2.选择“Everyone”,点击“共享”按钮,如下: 3.打开“运行“(win+r),输入上图 双反斜杠后面的内 ...
- Navicat 远程连接 Oracle11g 数据库报错 No listener 的问题
1.首先确认已经启动 OracleOraDb11g_home1TNSListener 服务时,仍无法连接: 2.进入计算机系统属性中查看 Oracle 服务端计算机的全名: 3.进入 Orac ...