怎样使用R语言利用vcf格式文件计算核苷酸多样性

本篇文章给大家分享的是有关怎样使用R语言利用vcf格式文件计算核苷酸多样性，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

创新互联公司成立以来不断整合自身及行业资源、不断突破观念以使企业策略得到完善和成熟，建立了一套“以技术为基点，以客户需求中心、市场为导向”的快速反应体系。对公司的主营项目，如中高端企业网站企划 / 设计、行业 / 企业门户设计推广、行业门户平台运营、app软件开发、手机网站制作设计、微信网站制作、软件开发、四川雅安服务器托管等实行标准化操作，让客户可以直观的预知到从创新互联公司可以获得的服务效果。

 首先是使用bcftools软件操作vcf文件

• 将vcf文件按照染色体拆分

bcftools view snp.vcf.gz scaffold_1 > popgenome-vcf/scaffold_1
bcftools view snp.vcf.gz scaffold_2 > popgenome-vcf/scaffold_2

 

如果当前目录下只有vcf格式文件，会遇到报错Failed to open .vcf.gz: could not load index，可以参考 https://www.cnblogs.com/chenwenyan/p/11945445.html

 tabix -p vcf snp.vcf.gz

 

如果当前目录下没有popgenome-vcf这个目录，还需要新建目录

mkdir popgenome-vcf

 

今天参考的文章里写道 In theory, the r PopGenome can read VCF files directly, using the readVCF function. However, because our samples are haploid, we need to use a different function, r readData, which requires a folder with a separate VCF for each scaffold. 这个是为什么呢？

 

接下来是在R语言里的操作

 读入数据

#install.packages("PopGenome")
library(PopGenome)
getwd()
setwd("VCF/")
snp<-readData("popgenome-vcf",format = "VCF")

   统计一些基本信息

get.sum.data(snp)

 

 

这里可以直接统计 转换和颠换的比例

 获取样本名称并分组

pops<-get.individuals(snp)[[1]]
pop1<-pops[grep("B\\.bam",pops)]
pop2<-pops[grep("b\\.bam",pops)]
pop1
pop2

   给数据划分类群

snp<-set.populations(snp,list(pop1,pop2))
snp@populations

   计算FST

snp<-F_ST.stats(snp)
get.F_ST(snp)

 

 

这里的指标都是什么意思呢？

 计算核苷酸多样性

get.diversity(snp)[[1]]

 

这里的指标也看不懂是什么意思呀

 设置划窗计算指标

win_snp<-sliding.window.transform(snp,
                                  width = 10000,
                                  jump = 2000,type = 2)
win_snp<-F_ST.stats(win_snp)



win_snp@nucleotide.F_ST
win_snp@nuc.diversity.within

   

接下来用折线图来展示结果

 FST

library(ggplot2)
win_fst <- data.frame(x=1:dim(win_snp@nucleotide.F_ST)[1],
                      y=win_snp@nucleotide.F_ST[,1])
head(win_fst)
p1<-ggplot(win_fst,aes(x=x,y=y))+
  geom_point()+
  geom_line()+
  theme_bw()+
  theme(panel.grid = element_blank())+
  scale_x_continuous(breaks = win_fst$x,
                     labels = win_fst$x)+
  labs(x=NULL,y=NULL,title = "FST")
ggsave("FST.pdf",p1,width = 15,height = 4)

 

 

 核苷酸多样性

bb_div  <- win_snp@nuc.diversity.within[,1] # diversity among B (bb = "big B")
lb_div  <- win_snp@nuc.diversity.within[,2] # diversity among B (lb = "little b")
bb_div
df1<-data.frame(x=1:length(bb_div),y=bb_div)
df2<-data.frame(x=1:length(lb_div),y=lb_div)
p2<-ggplot()+
  geom_line(data=df1,aes(x=x,y=y),color="red")+
  geom_point(data=df1,aes(x=x,y=y),size=2,color="red")+
  geom_line(data=df2,aes(x=x,y=y),color="blue")+
  geom_point(data=df2,aes(x=x,y=y),size=2,color="blue")+
  theme_bw()+labs(x=NULL,y=NULL)
ggsave("diversity.pdf",p2,width = 15,height = 4)

 

    

以上就是怎样使用R语言利用vcf格式文件计算核苷酸多样性，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。

名称栏目：怎样使用R语言利用vcf格式文件计算核苷酸多样性
文章源于：http://cxhlcq.com/article/gihpis.html