plink文件类型
- Plink常见格式有五种：ped，map，bed，fam，bim
- PLINK接受VCF文件作为输入，但在PLINK中使用的首选格式是带有结尾.ped（和.map）的文件，以及带有结尾.bed（+ .bim + .fam）的文件
（ ped 和 map 是一组的，bed fam bim 是一组的。因为Plink指令是一对一对识别，例如.ped文件一定要有配对的名字.map文件，一对起来才能运行，名字要保持一致）
一般我们提出来了SNP的文件为 .vcf文件, 需要先转换为plink认识的文件类型
#使用vcftools来实现
vcftools --vcf my.vcf --plink --out plink
# 使用plink来实现
plink --vcf file.vcf --recode --out file
.ped文件
ped是pedigree的缩写，差不多是记录家系（pedigree ） 信息的文件
ped
1.第一列： Family ID表示家族，同一个家族用同一个family ID表示
2.第二列： Individual ID用来表示个体ID，第一列和第二列的信息加起来可以确定出唯一个体
3.第三列： Paternal ID表示父本ID（如果缺少该信息则为'0'，如这个样本没有采集父本的表型信息，相当于确实数据）
4.第四列： Maternal ID表示母本ID（如果缺少该信息则为'0'）
5.第五列： 性别代码（'1'=男性，'2'=女性，'0'=未知）
6.第六列： Phenotype（表型)，Plink会自己判断表型的类型，如果缺少该表型数据，可以使用-9/0/非数字来表示。
7.第七列第八列： 分别为第一个变体，第二个变体等的等位基因。缺失的数据被编码为0（或-9）。
.map文件
map文件包含变体位置，用来记录每个maker（一般为SNP）的位置信息。
每行一个maker。它有4列：
map2
- chr 染色体名称
- snp identifier: SNP的表示符/ID
- morgans: 基因摩尔根距离，不知道就写0
- bpunits: marker在染色体上的坐标位置
*map2中为输出文件，其中PLINK对这些染色体的内部数字编码：这些将出现在所有输出而不是原始染色体编码中。
- 看到这里你应该明白了，我们研究的是SNP的信息，然而genotype file (GD file，也就是上面的ped文件)里面是没有SNP位置信息的。
因此需要一个额外的map file(GM file)，像地图一样告诉别人这个SNP在哪里。
GM里的SNP顺序需要和GD中的保持一致。
.bed .fam 和 .bim文件
三个文件时一起使用的：
-
bed文件是一个二进制文件，是不能打开看的
-
bim文件是对map文件的拓展,包含了snp的具体信息，可以看成是binary（二进制）+map（地图）的合成文件。
总共有六行，包含了snp（variants）的具体信息：
1染色体信息
2snp的名字
3摩尔距离
4物理距离
5次要等位基因
6主要等位基因 -
.fam文件记录了每个样本家系的信息（family嘛- -）
主要有6 列：
1Family ID ('FID')
2 Within-family ID ('IID'; cannot be '0')
3 Within-family ID of father ('0' if father isn't in dataset)
4Within-family ID of mother ('0' if mother isn't in dataset)
5性别 ('1' = male, '2' = female, '0' = unknown)
6表型 ('1' = control, '2' = case, '-9'/'0'/non-numeric = missing data if case/control)
总结
- ped与map相当于两个实质为txt的原始文件，其中ped记录家系信息，map补充snp位置信息
- .bed .fam 和 .bim文件一起使用，其中fam记录家系信息，bim记录位置信息
参考资料：
https://www.jianshu.com/p/07c23dba05ea?utm_campaign=haruki
https://www.jianshu.com/p/343ad060cc99
网友评论