Bioinformatics Asked by snowflake on July 30, 2020
How can I convert a VCF file into a genotype table (SNP matrix)?
I have this format:
##fileformat=VCFv4.0
##fileDate=20200722
##source=test
##reference=test
##FILTER=<ID=PASS,Description="All filters passed">
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">
##FORMAT=<ID=DP,Number=1,Type=Integer,Description="Read Depth">
##FORMAT=<ID=DV,Number=1,Type=Integer,Description="Number of high-quality non-reference bases">
##FORMAT=<ID=GQ,Number=1,Type=Integer,Description="Genotype Quality">
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT HOR_997 HOR_1020 HOR_1251 HOR_2970 HOR_12367 HOR_473 HOR_8148 HOR_17169 HOR_21258 HOR_4606 HOR_15922 HOR_20226 HOR_9724 HOR_10742 HOR_1071 HOR_10702 HOR_18382 HOR_8819 HOR_9558 HOR_7428 HOR_3023 HOR_18300 HOR_13924 HOR_1080 HOR_4030 HOR_6962 HOR_3460 HOR_8117 HOR_337 HOR_16112 HOR_1626 HOR_8659 HOR_16569 HOR_11083 HOR_18087 HOR_4273 HOR_2237 HOR_8440 HOR_7056 HOR_869 HOR_13987 HOR_12184 HOR_13800 HOR_9808 HOR_10192 HOR_4264 HOR_12830 HOR_10764 HOR_12171 HOR_10784 HOR_610 HOR_11875 HOR_2637 HOR_4136 HOR_282 HOR_10725 HOR_17649 HOR_1384 HOR_2598 HOR_15841 HOR_14342 HOR_18917 HOR_3125 HOR_11662 HOR_6220 HOR_18201 HOR_12412 HOR_14876 HOR_19952 HOR_16358 HOR_6892 HOR_3155 HOR_19184 HOR_9927 HOR_14787 HOR_8370 HOR_4258 HOR_14411 HOR_21548 HOR_12070 HOR_7251 HOR_8904 HOR_4653 HOR_2749 HOR_2957 HOR_2028 HOR_1816 HOR_7236 HOR_495 HOR_2403 HOR_15860 HOR_14439 HOR_11409 HOR_9043 HOR_5876 HOR_13836 HOR_10886 HOR_13938 HOR_20269 HOR_11448 HOR_13979 HOR_14557 HOR_12311 HOR_10004 HOR_15908 HOR_1531 HOR_13821 HOR_18681 HOR_6936 HOR_1990 HOR_10990 HOR_3187 HOR_3728 HOR_15857 HOR_20909 HOR_1581 HOR_13462 HOR_14914 HOR_16149 HOR_12168 HOR_6952 HOR_1048 HOR_18824 HOR_1361 HOR_16071 HOR_3233 HOR_21599 HOR_15871 HOR_11101 HOR_13724 HOR_1780 HOR_8711 HOR_3369 HOR_3909 HOR_21461 HOR_3093 HOR_11013 HOR_18795 HOR_15254 HOR_5486 HOR_17591 HOR_19568 HOR_7129 HOR_6934 HOR_8760 HOR_18924 HOR_21687 HOR_15895 HOR_15898 HOR_15905 HOR_21641 HOR_3686 HOR_7657 HOR_18385 HOR_8710 HOR_17077 HOR_2293 HOR_3081 HOR_7172 HOR_4201 HOR_2383 HOR_19379 HOR_7124 HOR_3912 HOR_15401 HOR_18381 HOR_4034 HOR_16078 HOR_12072 HOR_13716 HOR_4403 HOR_4829 HOR_11431 HOR_4138 HOR_2290 HOR_15788 HOR_7552 HOR_10775 HOR_3153 HOR_14689 HOR_11126 HOR_2180 HOR_2369 HOR_1044 HOR_21428 HOR_18220 HOR_3359 HOR_15778 HOR_15840 HOR_18364 HOR_9250 HOR_11922 HOR_3926 HOR_7474 HOR_12830 HOR_5020 HOR_11450 HOR_9492 HOR_5373 HOR_18913 HOR_12791
1H 42240 . C A 999 . . GT:DP:DV:GQ 0/0:15:0:100 0/1:9:3:100 0/0:3:0:100 0/0:20:0:100 0/0:4:0:100 1/1:3:3:100 ./.:.:.:. 0/0:24:0:100 0/0:9:0:100 0/0:12:0:100 0/0:14:0:100 ./.:.:.:. 0/0:9:0:100 ./.:.:.:. 0/0:29:0:100 0/0:10:0:100 0/0:5:0:100 0/0:14:0:100 0/0:3:0:100 0/0:18:0:100 0/0:18:0:100 0/0:7:0:100 0/0:9:0:100 0/0:9:0:100 1/1:5:5:100 0/0:13:0:100 ./.:.:.:. 0/0:22:0:100 ./.:.:.:. ./.:.:.:. 0/0:4:0:100 0/0:18:0:100 ./.:.:.:. 0/0:7:0:100 0/0:11:0:100 0/0:32:0:100 0/0:13:0:100 ./.:.:.:. 0/0:15:0:100 0/0:12:0:100 0/0:8:0:100 ./.:.:.:. 0/0:20:0:100 0/0:11:0:100 0/0:6:0:100 0/0:14:0:100 0/0:20:0:100 0/0:5:0:100 ./.:.:.:. 0/0:3:0:100 0/0:5:0:100 0/0:16:0:100 1/1:3:3:100 0/0:32:0:100 0/0:15:0:100 0/0:17:0:100 0/0:16:0:100 0/0:4:0:100 0/0:17:0:100 0/0:2:0:100 0/0:4:0:100 0/0:7:0:100 0/0:20:0:100 ./.:.:.:. 0/0:20:0:100 0/0:8:0:100 0/0:20:0:100 0/0:3:0:100 0/0:21:0:100 0/0:5:0:100 ./.:.:.:. 0/0:12:0:100 0/0:16:0:100 0/0:87:0:100 0/0:21:0:100 0/0:5:0:100 0/0:20:0:100 1/1:6:6:100 0/0:6:0:100 0/0:10:0:100 ./.:.:.:. 0/0:6:0:100 0/0:4:0:100 0/0:8:0:100 0/0:19:0:100 0/0:17:0:100 0/0:4:0:100 0/0:3:0:100 1/1:7:7:100 0/0:18:0:100 0/0:12:0:100 0/0:11:0:100 0/0:13:0:100 ./.:.:.:. 0/0:18:0:100 0/0:18:0:100 0/0:2:0:100 0/0:12:0:100 0/0:10:0:100 0/0:3:0:100 ./.:.:.:. 0/0:12:0:100 0/0:2:0:100 0/0:8:0:100 0/0:15:0:100 0/0:7:0:100 0/0:22:0:100 0/0:12:0:100 0/0:14:0:100 0/0:8:0:100 0/0:10:0:100 0/0:22:0:100 0/0:10:0:100 0/0:11:0:100 0/0:3:0:100 0/0:6:0:100 0/0:6:0:100 0/0:8:0:100 0/0:18:0:100 ./.:.:.:. 0/0:13:0:100 0/0:20:0:100 0/0:17:0:100 0/0:8:0:100 0/0:4:0:100 0/0:11:0:100 0/0:12:0:100 0/0:8:0:100 0/0:12:0:100 ./.:.:.:. 0/0:6:0:100 ./.:.:.:. 0/0:10:0:100 0/0:6:0:100 0/0:10:0:100 0/0:15:0:100 0/0:15:0:100 0/0:17:0:100 0/0:4:0:100 0/0:9:0:100 ./.:.:.:. 0/0:14:0:100 0/0:13:0:100 0/0:9:0:100 0/0:3:0:100 0/0:12:0:100 0/0:12:0:100 ./.:.:.:. ./.:.:.:. 0/1:5:2:100 0/0:21:0:100 0/0:9:0:100 0/0:14:0:100 0/0:18:0:100 0/0:11:0:100 1/1:3:3:100 0/0:19:0:100 0/0:25:0:100 ./.:.:.:. ./.:.:.:. 0/0:19:0:100 0/0:12:0:100 0/0:7:0:100 0/0:10:0:100 0/0:13:0:100 0/0:11:0:100 0/0:13:0:100 0/0:13:0:100 0/0:6:0:100 ./.:.:.:. 0/0:4:0:100 0/0:10:0:100 0/0:9:0:100 0/0:14:2:100 1/1:2:2:100 0/0:16:0:100 ./.:.:.:. 0/0:27:0:100 0/0:18:0:100 0/0:6:0:100 0/0:10:0:100 0/0:14:0:100 0/0:7:0:100 1/1:3:3:100 0/0:15:0:100 0/0:4:0:100 0/0:15:0:100 ./.:.:.:. ./.:.:.:. 0/0:8:0:100 0/0:16:0:100 0/0:4:0:100 ./.:.:.:. 0/0:12:0:100 0/0:12:0:100 0/0:10:0:100 0/0:7:0:100 0/0:29:0:100 0/0:7:0:100 0/0:8:0:100 0/0:32:0:100
1H 42247 . C A 999 . . GT:DP:DV:GQ 0/0:15:0:100 0/0:11:0:100 1/1:2:2:100 0/0:19:0:100 0/0:5:0:100 ./.:.:.:. ./.:.:.:. 0/0:23:0:100 0/0:12:0:100 1/1:13:13:100 0/0:14:0:100 ./.:.:.:. 0/0:9:0:100 ./.:.:.:. 1/1:28:27:100 0/0:12:0:100 1/1:6:6:100 0/0:15:0:100 1/1:3:3:100 0/0:17:0:100 0/0:19:0:100 0/0:7:0:100 0/0:9:0:100 0/0:10:0:100 0/0:4:0:100 1/1:12:12:100 ./.:.:.:. 0/0:22:0:100 ./.:.:.:. ./.:.:.:. 0/0:6:0:100 0/0:17:0:100 ./.:.:.:. 0/0:8:0:100 0/0:11:0:100 0/0:33:0:100 0/0:14:0:100 ./.:.:.:. 0/0:15:0:100 0/0:11:0:100 0/0:8:0:100 ./.:.:.:. 0/0:21:0:100 0/0:11:0:100 0/0:6:0:100 1/1:15:15:100 0/0:20:0:100 0/0:5:0:100 ./.:.:.:. 0/0:3:0:100 0/0:6:0:100 0/0:17:0:100 0/0:4:0:100 0/0:32:0:100 1/1:15:15:100 0/0:16:0:100 0/0:18:0:100 0/0:5:0:100 0/0:17:0:100 0/0:2:0:100 0/0:5:0:100 0/0:7:0:100 0/0:20:0:100 ./.:.:.:. 0/0:21:0:100 0/0:8:0:100 0/0:20:0:100 0/0:3:0:100 1/1:21:21:100 0/0:6:0:100 0/0:2:0:100 0/0:11:0:100 0/0:15:0:100 0/0:88:0:100 0/0:21:0:100 1/1:5:5:100 0/0:22:0:100 0/0:8:0:100 0/0:6:0:100 0/0:10:0:100 ./.:.:.:. 0/0:5:0:100 1/1:4:4:100 0/0:8:0:100 0/0:19:0:100 0/0:17:0:100 1/1:4:4:100 1/1:3:3:100 0/0:5:0:100 0/0:18:0:100 0/0:11:0:100 0/0:11:0:100 0/0:15:0:100 ./.:.:.:. 0/0:18:0:100 0/0:18:0:100 0/0:2:0:100 0/0:15:0:100 0/0:11:0:100 1/1:3:3:100 ./.:.:.:. 0/0:14:0:100 ./.:.:.:. 1/1:7:7:100 0/0:16:0:100 0/0:7:0:100 0/0:23:0:100 0/0:14:0:100 0/0:14:0:100 0/0:8:0:100 0/0:10:0:100 0/0:24:0:100 0/0:10:0:100 0/0:11:0:100 0/0:3:0:100 0/0:5:0:100 0/0:7:0:100 1/1:8:8:100 0/0:17:0:100 ./.:.:.:. 0/0:14:0:100 0/0:20:0:100 0/0:17:0:100 1/1:8:8:100 0/0:4:0:100 0/0:11:0:100 0/0:13:0:100 0/0:8:0:100 0/0:15:0:100 ./.:.:.:. 0/0:6:0:100 ./.:.:.:. 0/0:11:0:100 0/0:7:0:100 0/0:10:0:100 0/0:17:0:100 0/0:18:0:100 0/0:16:0:100 0/0:4:0:100 0/0:9:0:100 ./.:.:.:. 0/0:14:0:100 0/0:13:1:100 0/0:9:0:100 0/0:3:0:100 0/0:12:0:100 0/0:12:0:100 ./.:.:.:. 0/0:3:0:100 0/0:4:0:100 0/0:21:0:100 0/0:9:0:100 0/0:16:0:100 0/0:16:0:100 0/0:12:0:100 0/0:4:0:100 0/0:20:0:100 0/0:24:0:100 ./.:.:.:. ./.:.:.:. 0/0:18:0:100 0/0:12:0:100 0/0:7:0:100 0/0:10:0:100 0/0:12:0:100 0/0:12:0:100 0/0:14:0:100 0/0:13:0:100 1/1:6:6:100 ./.:.:.:. 0/0:5:0:100 0/0:13:0:100 0/0:8:0:100 0/0:13:0:100 0/0:4:0:100 0/0:15:0:100 ./.:.:.:. 0/0:29:0:100 0/0:19:0:100 0/0:6:0:100 0/0:9:0:100 0/0:15:0:100 1/1:7:7:100 0/0:4:0:100 1/1:14:14:100 1/1:4:4:100 0/0:16:0:100 ./.:.:.:. ./.:.:.:. 0/0:8:0:100 0/0:15:0:100 1/1:4:4:100 ./.:.:.:. 1/1:13:13:100 0/0:12:0:100 0/0:10:0:100 1/1:6:6:100 0/0:30:0:100 0/0:8:0:100 0/0:7:0:100 0/0:31:0:100
1H 42264 . G T 999 . . GT:DP:DV:GQ 0/0:23:0:100 0/0:17:0:100 0/0:3:0:100 0/0:21:0:100 0/0:6:0:100 0/0:8:0:100 ./.:.:.:. 0/0:29:0:100 0/0:20:0:100 0/0:9:0:100 0/0:20:0:100 ./.:.:.:. 0/0:11:0:100 ./.:.:.:. 0/0:26:0:100 0/0:13:0:100 0/0:8:0:100 0/0:19:0:100 0/0:3:0:100 0/0:19:0:100 0/0:18:0:100 0/0:7:0:100 0/0:9:0:100 0/0:18:0:100 0/0:9:0:100 0/0:13:0:100 ./.:.:.:. 0/0:22:0:100 0/0:6:0:100 ./.:.:.:. 0/0:7:0:100 0/0:22:0:100 ./.:.:.:. 0/0:10:0:100 0/0:14:0:100 0/0:39:0:100 0/0:16:0:100 ./.:.:.:. 0/0:21:0:100 0/0:19:0:100 0/0:8:0:100 ./.:.:.:. 0/0:25:0:100 0/0:13:0:100 0/0:6:0:100 0/0:19:0:100 0/0:19:0:100 0/0:4:0:100 ./.:.:.:. 0/0:2:0:100 0/0:11:0:100 0/0:28:0:100 0/0:11:0:100 0/0:37:0:100 0/0:12:0:100 0/0:25:0:100 0/0:19:0:100 0/0:9:0:100 0/0:17:0:100 ./.:.:.:. 0/0:6:0:100 0/0:9:0:100 0/0:28:0:100 0/0:3:0:100 0/0:24:0:100 0/0:11:0:100 0/0:23:0:100 0/0:4:0:100 0/0:16:0:100 0/0:7:0:100 0/0:7:0:100 0/0:19:0:100 0/0:17:0:100 0/0:105:0:100 0/0:23:0:100 0/0:6:0:100 0/0:28:0:100 0/0:18:0:100 0/0:9:0:100 0/0:15:0:100 ./.:.:.:. 0/0:7:0:100 0/0:6:0:100 0/0:11:0:100 0/0:23:0:100 0/0:19:0:100 0/0:7:0:100 0/0:7:0:100 0/0:32:0:100 0/0:20:0:100 0/0:13:0:100 0/0:14:0:100 0/0:18:0:100 0/0:11:0:100 0/0:23:0:100 0/0:19:0:100 0/0:2:0:100 0/0:20:0:100 0/0:15:0:100 0/0:4:0:100 ./.:.:.:. 0/0:17:0:100 0/0:2:0:100 0/0:10:0:100 0/0:17:0:100 0/0:8:0:100 0/0:23:0:100 0/0:20:0:100 0/0:17:0:100 0/0:8:0:100 0/0:14:0:100 0/0:30:0:100 0/0:12:0:100 0/0:15:0:100 0/0:3:0:100 0/0:6:0:100 0/0:9:0:100 0/0:13:0:100 0/0:18:0:100 ./.:.:.:. 0/0:18:0:100 0/0:21:0:100 0/0:23:0:100 0/0:9:0:100 0/0:6:0:100 0/0:14:0:100 0/0:14:0:100 0/0:9:0:100 0/0:18:0:100 ./.:.:.:. 0/0:6:0:100 ./.:.:.:. 0/0:18:0:100 0/0:8:0:100 0/0:15:0:100 0/0:17:0:100 0/0:23:0:100 0/0:26:0:100 0/0:10:0:100 0/0:12:0:100 ./.:.:.:. 0/0:17:0:100 0/0:15:0:100 0/0:11:0:100 0/0:4:0:100 0/0:16:0:100 0/0:15:0:100 ./.:.:.:. 0/0:10:0:100 0/0:7:0:100 0/0:22:0:100 0/0:10:0:100 0/0:21:0:100 0/0:24:0:100 0/0:13:0:100 0/0:19:0:100 0/0:24:0:100 0/0:32:0:100 ./.:.:.:. 0/0:6:0:100 0/0:23:0:100 0/0:17:0:100 0/0:15:0:100 0/0:15:0:100 0/0:15:0:100 0/0:14:0:100 0/0:16:0:100 0/0:17:0:100 0/0:7:0:100 ./.:.:.:. 0/0:8:0:100 0/0:14:0:100 0/0:12:0:100 0/0:30:0:100 0/0:19:0:100 0/0:24:0:100 ./.:.:.:. 0/0:36:0:100 0/0:26:0:100 0/0:7:0:100 0/0:10:0:100 0/0:21:0:100 0/0:8:0:100 0/0:13:0:100 0/0:17:0:100 0/0:4:0:100 0/0:18:0:100 0/0:2:0:100 ./.:.:.:. 0/0:9:0:100 0/0:18:0:100 0/0:5:0:100 ./.:.:.:. 0/0:9:0:100 0/0:14:0:100 0/0:15:0:100 0/0:11:0:100 0/0:32:0:100 0/0:9:0:100 0/0:12:0:100 0/0:34:0:100
And I need a SNP matrix in this format:
, pos1, pos2, pos3
ID1 0, 1, 0
ID2 1, 1, 0
If you are familiar with plink and python, you can use pandas_plink.
import pandas_plink
snp_info,sample_info,genotypes = pandas_plink.read_plink('genotypes/chr.1')
genotype_mat = genotypes.compute()
genotype_mat is a matrix of genotypes (in 0,1,2) and sample_info has the sample names and snp_info has the SNP positions, ref, alt etc. You need to convert vcf to plink format first. Please make sure ref and alt alleles are extracted as expected.
Correct answer by geek_y on July 30, 2020
Get help from others!
Recent Questions
Recent Answers
© 2024 TransWikia.com. All rights reserved. Sites we Love: PCI Database, UKBizDB, Menu Kuliner, Sharing RPP