vcftools - מקוון בענן

תָכְנִית:

שֵׁם

vcftools - נתח קבצי VCF

תַקצִיר

vcftools [אפשרויות]

תיאור

תוכנית vcftools מופעלת משורת הפקודה. הממשק נוצר בהשראת PLINK, ו
אז אמור להיות מוכר במידה רבה למשתמשי החבילה הזו. הפקודות מתקיימות בצורה הבאה:

vcftools --vcf file1.vcf --chr 20 --freq

הפקודה לעיל אומרת ל-vcftools לקרוא את הקובץ file1.vcf, לחלץ אתרים על
כרומוזום 20, וחשב את תדירות האללים בכל אתר. האלל שנוצר
הערכות תדירות מאוחסנות בקובץ הפלט, out.freq. כמו בדוגמה לעיל,
פלט מ-vcftools נשלח בעיקר לקבצי פלט, בניגוד להצגה ב-
מסך.

שים לב שייתכן שחלק מהפקודות יהיו זמינות רק בגרסה העדכנית ביותר של vcftools. להשיג
הגרסה העדכנית ביותר, עליך להשתמש ב-SVN כדי להוציא את הקוד העדכני ביותר, כמתואר ב-
דף הבית.

שים לב גם שגנוטיפים פוליפלואידים אינם נתמכים כעת.

בסיסי אפשרויות
--vcf
אפשרות זו מגדירה את קובץ ה-VCF לעיבוד. יש לפרק את הקבצים
לפני השימוש עם vcftools. vcftools מצפה לקבצים בפורמט VCF v4.0, א
את המפרט שלו ניתן למצוא כאן.

--gzvcf
ניתן להשתמש באפשרות זו במקום האפשרות --vcf לקריאת דחוס (gzipped)
קבצי VCF ישירות. שימו לב שהאפשרות הזו יכולה להיות די איטית בשימוש עם גדול
קבצים.

--הַחוּצָה
אפשרות זו מגדירה את קידומת שם קובץ הפלט עבור כל הקבצים שנוצרו על ידי vcftools.
לדוגמה, אם מוגדר ל-out_filename, אז כל קבצי הפלט יהיו
של הטופס שם קובץ_output.*** . אם אפשרות זו נשמטת, כל קבצי הפלט יהיו
יש את הקידומת 'out.'.

אֲתַר סינון אפשרויות
--chr
עבד רק אתרים עם התאמה של מזהה כרומוזום

-- מ-bp

--to-bp
אפשרויות אלו מגדירות את הטווח הפיזי של האתרים שיעובדו. אתרים בחוץ
מטווח זה לא ייכלל. ניתן להשתמש באפשרויות אלה רק בשילוב עם
--chr.

--snp
כלול SNP(ים) עם מזהה תואם. ניתן להשתמש בפקודה זו מספר פעמים לפי הסדר
לכלול יותר מ-SNP אחד.

--snps
כלול רשימה של SNPs שניתנו בקובץ. הקובץ צריך להכיל רשימה של מזהי SNP,
עם תעודת זהות אחת לכל שורה.

--לא לכלול
אל תכלול רשימה של SNPs שניתנו בקובץ. הקובץ צריך להכיל רשימה של מזהי SNP,
עם תעודת זהות אחת לכל שורה.

-- עמדות
כלול סט של אתרים על בסיס רשימת עמדות. כל שורה של הקלט
הקובץ צריך להכיל כרומוזום (מופרד באמצעות כרטיסיות) ומיקום. הקובץ צריך
יש שורת כותרת. אתרים שאינם כלולים ברשימה אינם נכללים.

--מיטה

--לא כולל-מיטה
הכללה או אי הכללה של קבוצה של אתרים על בסיס קובץ BED. רק שלושת הראשונים
עמודות (chrom, chromStart ו- chromEnd) נדרשות. בקובץ BED צריך להיות א
שורת הכותרת.

--remove-filtered-all

--הסר-מסונן

--שמור על סינון
אפשרויות אלו משמשות לסינון אתרים על בסיס דגל ה-FILTER שלהם. ה
האפשרות הראשונה מסירה את כל האתרים עם דגל FILTER. ניתן להשתמש באפשרות השנייה
אל תכלול אתרים עם דגל סינון ספציפי. ניתן להשתמש באפשרות השלישית לבחירה
אתרים על בסיס דגלי סינון ספציפיים. האפשרויות השנייה והשלישית יכולות להיות
בשימוש מספר פעמים לציון מסננים מרובים. האפשרות --keep-filtered היא
הוחל לפני האפשרות --remove-filtered.

--minQ
כלול רק אתרים עם איכות מעל סף זה.

--min-meanDP

--max-meanDP
כלול אתרים עם עומק ממוצע בתוך הספים המוגדרים על ידי אפשרויות אלה.

--מאף

--מקס-מאף
כלול רק אתרים עם תדירות אללים מינוריים בטווח שצוין.

--non-ref-af

--max-non-ref-af
כלול רק אתרים עם תדירות אללים ללא התייחסות בטווח שצוין.

--צֶבַע
מעריך אתרים עבור שיווי משקל הרדי-ויינברג באמצעות בדיקה מדויקת, כהגדרתו על ידי
Wigginton, Cutler and Abecasis (2005). אתרים עם ערך p מתחת לסף
המוגדרים על ידי אפשרות זו נחשבים מחוץ ל-HWE, ולכן אינם נכללים.

--גנו
אל תכלול אתרים על בסיס שיעור הנתונים החסרים (מוגדר בין
0 ו- 1).

--מיני אללים

--מקס-אללים
כלול רק אתרים עם מספר אללים בטווח שצוין. ל
לדוגמה, כדי לכלול רק אתרים דו-אללים, אפשר להשתמש ב:

vcftools --vcf file1.vcf --min-alleles 2 --max-alleles 2

--מסכה

--היפוך-מסכה

--מסכה-דקה
כלול אתרים על בסיס קובץ דמוי FASTA. הקובץ שסופק מכיל א
רצף של ספרות שלמות (בין 0 ל-9) עבור כל מיקום בכרומוזום
ציין אם יש לסנן אתר במיקום זה או לא. קובץ מסיכה לדוגמה
ייראה כמו:

>1
0000011111222 ...

בדוגמה זו, אתרים בקובץ VCF הממוקמים בתוך 5 הבסיסים הראשונים של ה-
ההתחלה של כרומוזום 1 תישמר, בעוד שאתרים במיקום 6 ואילך ישמרו
סונן. מספר הסף השלם שקובע אם אתרים מסוננים או לא
מוגדר באמצעות האפשרות --mask-min, שברירת המחדל היא 0. הכרומוזומים הכלולים ב
יש למיין את קובץ המסכה באותו סדר כמו קובץ ה-VCF. אפשרות --mask
משמש כדי לציין את קובץ המסכה שבו יש להשתמש, ואילו האפשרות --invert-mask יכולה
לשמש לציון קובץ מסכה שיהפוך לפני החלתו.

פרט מסנן
--indv
ציין אדם שישמור בניתוח. ניתן להשתמש באפשרות זו במספר רב
פעמים כדי לציין מספר אנשים.

--לִשְׁמוֹר
ספק קובץ המכיל רשימה של אנשים שיש לכלול בניתוח הבא.
כל מזהה בודד (כפי שהוגדר בכותרת ה-VCF) צריך להיכלל ב-a
קו נפרד.

--remove-indv
ציין אדם שיוסר מהניתוח. ניתן להשתמש באפשרות זו
מספר פעמים כדי לציין מספר אנשים. אם האפשרות --indv גם כן
שצוין, אז האפשרות --indv מבוצעת לפני האפשרות --remove-indv.

--לְהַסִיר
ספק קובץ המכיל רשימה של אנשים להחרגה בניתוח שלאחר מכן.
כל מזהה בודד (כפי שהוגדר בכותרת ה-VCF) צריך להיכלל ב-a
קו נפרד. אם נעשה שימוש גם ב--keep וגם ב--remove, אזי
האפשרות --keep מופעלת לפני האפשרות --remove.

--mon-indv-meanDP

--max-indv-meanDP
חשב את הכיסוי הממוצע על בסיס אישי. רק אנשים עם
כיסוי בטווח שצוין באפשרויות אלה נכלל בסעיפים הבאים
ניתוחים.

--אכפת
ציין את סף תעריף השיחות המינימלי עבור כל אדם.

--שלבי
תחילה אינו כולל את כל הפרטים בעלי כל הגנוטיפים ללא שלב, ולאחר מכן
אינו כולל את כל האתרים עם גנוטיפים לא מדורגים. שאר הנתונים מורכבים אפוא
של נתונים מדורגים בלבד.

גנוטיפ מסנן
--remove-filtered-geno-all

--remove-filtered-geno
האפשרות הראשונה מסירה את כל הגנוטיפים עם דגל FILTER. האפשרות השנייה יכולה להיות
משמש כדי לא לכלול גנוטיפים עם דגל סינון ספציפי.

--minGQ
אל תכלול את כל הגנוטיפים עם איכות מתחת לסף המצוין על ידי אפשרות זו
(GQ).

--minDP
אל תכלול את כל הגנוטיפים עם עומק רצף מתחת לזה שצוין על ידי אפשרות זו
(DP)

תְפוּקָה סטָטִיסטִיקָה
--תדירות

-- סופר

--freq2

--סופר2
פלט מידע על תדירות לכל אתר. --freq מוציא את תדר האלל ב-a
קובץ עם הסיומת '.frq'. האפשרות --counts מפלטת קובץ דומה עם ה-
סיומת '.frq.count', המכילה את ספירת האללים הגולמיים בכל אתר. ה- --freq2
ואפשרויות --count2 משמשות כדי לדכא מידע אלל בקובץ הפלט. ב
במקרה זה, סדר התדירות/ספירות תלוי במספור בקובץ VCF.

--עוֹמֶק
יוצר קובץ המכיל את העומק הממוצע לכל אדם. לקובץ הזה יש את הסיומת
'.idepth'.

-- עומק האתר

--אתר-ממוצע-עומק
יוצר קובץ המכיל את העומק לכל אתר. האפשרות --site-depth מוציאה את
עומק עבור כל אתר מסוכם על פני פרטים. לקובץ זה יש את הסיומת '.ldepth'.
באופן דומה, --site-mean-depth מוציא את העומק הממוצע עבור כל אתר, וה-
לקובץ הפלט יש את הסיומת '.ldepth.mean'.

--גנו-עומק
יוצר קובץ (אולי גדול מאוד) המכיל את העומק עבור כל גנוטיפ ב
קובץ VCF. ערכים חסרים מקבלים את הערך -1. לקובץ יש את הסיומת
'.gdepth'.

--איכות האתר
יוצר קובץ המכיל את איכות SNP לכל אתר, כפי שנמצא בעמודה QUAL
של קובץ VCF. לקובץ זה יש את הסיומת '.lqual'.

--הט מחשבת מדד של הטרוזיגוסיות על בסיס פר-פרטי. באופן ספציפי, ה
מקדם הגידול, F, מוערך עבור כל פרט באמצעות שיטה של
רגעים. לקובץ המתקבל יש את הסיומת '.het'.

--הרדי
מדווח על ערך p עבור כל אתר ממבחן שיווי משקל של הרדי-ויינברג (כפי שהוגדר
מאת Wigginton, Cutler and Abecasis (2005)). הקובץ שהתקבל (עם הסיומת '.hwe')
מכיל גם את המספרים הנצפים של הומוזיגוטים והטרוזיגוטים וה-
המספרים הצפויים התואמים תחת HWE.

--חָסֵר
יוצר שני קבצים המדווחים על החסר ביחיד ולכל אתר
בָּסִיס. לשני הקבצים יש סיומות '.imiss' ו-'.lmiss' בהתאמה.

--hap-r2

--geno-r2

--ld-window

--ld-window-bp

--min-r2
אפשרויות אלה משמשות לדיווח סטטיסטיקות של אי-שיווי משקל (LD) כמו
מסוכם על ידי סטטיסטיקת r2. האפשרות --hap-r2 מודיעה ל-vcftools להוציא א
קובץ המדווח על סטטיסטיקת r2 תוך שימוש בהפלוטיפים מדורגים. זה המסורתי
מדד של LD מדווח לעתים קרובות בספרות הגנטיקה של האוכלוסייה. אם בשלבים
האפלוטיפים אינם זמינים אז ניתן להשתמש באפשרות --geno-r2, אשר מחושבת
מקדם המתאם בריבוע בין הגנוטיפים המקודדים כ-0, 1 ו-2 ל
מייצגים את מספר האללים שאינם מתייחסים בכל פרט. זה אותו דבר
כמדד LD שדווח על ידי PLINK. גרסת ההפלוטיפ מפלטת קובץ עם ה-
הסיומת '.hap.ld', בעוד שגרסת הגנוטיפ מוציאה קובץ עם הסיומת
'.geno.ld'. גרסת ההפלוטיפ מרמזת על האפשרות --phased.

האפשרות --ld-window מגדירה את הפרדת ה-SNP המקסימלית לחישוב של
LD. באופן דומה, ניתן להשתמש באפשרות --ld-window-bp כדי להגדיר את המקסימום הפיזי
הפרדה של SNPs הכלולים בחישוב LD. לבסוף, --min-r2 קובע את a
ערך מינימלי עבור r2 שמתחתיו לא מדווח סטטיסטיקת LD.

--SNPdnsity
מחשב את המספר והצפיפות של SNPs בפחים בגודל שהוגדר על ידי אפשרות זו.
לקובץ הפלט שנוצר יש את הסיומת '.snpden'.

--TsTv
מחשב את יחס המעבר/התרה בפחים בגודל המוגדר על ידי זה
אוֹפְּצִיָה. לקובץ הפלט המתקבל יש את הסיומת '.TsTv'. סיכום הוא גם
מסופק בקובץ עם הסיומת '.TsTv.summary'.

--מסנן-סיכום
יוצר סיכום של מספר SNPs ויחס Ts/Tv עבור כל קטגוריית FILTER.
לקובץ הפלט יש את הסיומת '.FILTER.summary.

--אתרים מסוננים
יוצר שני קבצים המפרטים אתרים שנשמרו או הוסרו לאחר הסינון. ה
הקובץ הראשון, עם הסיומת '.kept.sites', מפרט אתרים שנשמרו על ידי vcftools לאחר מסננים
הוחלו. הקובץ השני, עם הסיומת '.removed.sites', מציג אתרים
הוסר על ידי המסננים שהוחלו.

--רווקים
אפשרות זו תיצור קובץ המפרט את מיקומם של יחידות בודדות, ואת
הקובץ מדווח גם על יחידים אמיתיים וגם על פרטיים
doubletons (כלומר SNPs שבהם האלל הקטן מופיע רק בפרט בודד ו
אותו פרט הוא הומוזיגוטי לאלל זה). לקובץ הפלט יש את הסיומת
'.סינגלטונים'.

--site-pi

--window-pi
אפשרויות אלה משמשות להערכת רמות של מגוון נוקלאוטידים. האפשרות הראשונה
עושה זאת על בסיס כל אתר, ולקובץ הפלט יש את הסיומת '.sites.pi'. ה
האפשרות השנייה מחשבת את מגוון הנוקלאוטידים בחלונות, עם גודל החלון
מוגדר בארגומנט האופציה. לפלט עבור אפשרות זו יש את הסיומת
'.windowed.pi'. הגרסה עם החלונות דורשת נתונים מדורגים, ומכאן שימוש בזה
אפשרות מרמזת על האפשרות --phased.

תְפוּקָה in אחר פורמטים
--O12 אפשרות זו מפיקה את הגנוטיפים כמטריצה ​​גדולה. נוצרים שלושה קבצים. ה
ראשית, עם הסיומת '.012', מכיל את הגנוטיפים של כל פרט בנפרד
קַו. הגנוטיפים מיוצגים כ-0, 1 ו-2, כאשר המספר מייצג זאת
מספר אללים שאינם מתייחסים. גנוטיפים חסרים מיוצגים על ידי -1. ה
קובץ שני, עם הסיומת '.012.indv' מפרט את הפרטים הכלולים ב-main
קוֹבֶץ. הקובץ השלישי, עם הסיומת '.012.pos' מפרט את מיקומי האתר הכלולים בו
הקובץ הראשי.

--להטיל
אפשרות זו מוציאה הפלטיפים מדורגים בפורמט של לוח התייחסות של IMPUTE. בתור IMPUTE
דורש נתונים מדורגים, שימוש באפשרות זו מרמז גם על --phased. ללא שלב
לכן אינדיבידואלים וגנוטיפים אינם נכללים. רק אתרים דו-אללים
כלול בפלט. שימוש באפשרות זו יוצר שלושה קבצים. ה-IMPUTE
לקובץ haplotype יש את הסיומת '.impute.hap', ולקובץ IMPUTE legend יש את
הסיומת '.impute.hap.legend'. הקובץ השלישי, עם הסיומת '.impute.hap.indv',
מפרט את הפרטים הכלולים בקובץ ההפלוטייפ, למרות שקובץ זה לא
דרוש על ידי IMPUTE.

--זה

--ldhat-geno
אפשרויות אלה פלטות נתונים בפורמט LDhat. שימוש באפשרויות אלה מחייב גם את
אפשרות --chr ל בשימוש. האפשרות --ldhat מפלטת נתונים מדורגים בלבד, ולכן
מרמז גם על ---phased, מה שמוביל להוויה של אינדיבידואלים וגנוטיפים ללא פאזות
לא נכלל. לחלופין, האפשרות --ldhat-geno מתייחסת לכל הנתונים כאל
unphased, ולכן מוציא קבצי LDhat בפורמט גנוטיפ/ללא שלב. בכל אחד מ
במקרה, שני קבצים נוצרים עם הסיומות '.ldhat.sites' ו-'.ldhat.locs',
התואמים את קבצי הקלט של LDhat 'sites' ו-'locs' בהתאמה.

--BEAGLE-GL
אפשרות זו מוציאה מידע על סבירות גנוטיפ לקלט ב-BEAGLE
תכנית. אפשרות זו מחייבת את קובץ VCF להכיל את תג FORMAT GL, אשר יכול
בדרך כלל יוצא על ידי מתקשרי SNP כגון GATK. שימוש באפשרות זו דורש א
כרומוזום שיצוין באמצעות האפשרות --chr. קובץ הפלט שנוצר (עם
הסיומת '.BEAGLE.GL') מכילה סבירות גנוטיפ לאתרים ביאללים, והיא
מתאים לקלט ב-BEAGLE באמצעות הארגומנט 'like='.

--לחיצה
אפשרות זו מפלטת את נתוני הגנוטיפ בפורמט PLINK PED. נוצרים שני קבצים,
עם הסיומות '.ped' ו-'.map'. שימו לב שרק לוקוסים דו-אלליים ייצאו.
פרטים נוספים על קבצים אלה ניתן למצוא בתיעוד PLINK.

הערה: אפשרות זו יכולה להיות איטית מאוד במערכי נתונים גדולים. שימוש באפשרות --chr כדי
מומלץ לחלק את מערך הנתונים.

--plink-tped
האפשרות --plink לעיל יכולה להיות איטית ביותר במערך נתונים גדולים. חלופה
זה עשוי להיות מהיר בהרבה הוא הפלט בפורמט שעבר טרנספוזיציה PLINK.
ניתן להשיג זאת באמצעות האפשרות --plink-tped, אשר מייצרת שני קבצים עם
הסיומות '.tped' ו-'.tfam'.

--קוד מחדש
האפשרות --recode משמשת ליצירת קובץ VCF מקובץ ה-VCF הקלט שיש לו
החיל את האפשרויות שצוינו על ידי המשתמש. לקובץ הפלט יש את הסיומת
'.recode.vcf'.

כברירת מחדל, שדות ה-INFO מוסרים מקובץ הפלט, בתור ערכי ה-INFO
עשוי להיות מבוטל על ידי הקידוד מחדש (לדוגמה, ייתכן שיהיה צורך בעומק הכולל
מחושב מחדש אם אנשים יוסרו). פונקציונליות ברירת מחדל זו יכולה להיות
עוקף באמצעות --keep-INFO אפשרות, איפה מגדיר את
מקש INFO לשמור בקובץ הפלט. ניתן להשתמש בדגל --keep-INFO מרובים
פִּי. לחלופין, ניתן להשתמש באפשרות --keep-INFO-all כדי לשמור את כל המידע
שדות.

שונות
--extract-FORMAT-info
חלץ מידע משדות הגנוטיפ בקובץ ה-VCF המתייחס לצוין
מזהה FORMAT. לדוגמה, שימוש באפשרות '--extract-FORMAT-info GT' יעשה זאת
לחלץ את כל ערכי ה-GT (כלומר גנוטיפ). לקובץ הפלט שהתקבל יש
הסיומת '. .פוּרמָט'.

--לקבל מידע
אפשרות זו משמשת לחילוץ מידע משדה INFO בקובץ VCF. ה
ארגומנט מציין את תג ה-INFO שיש לחלץ, והאפשרות יכולה להיות
בשימוש מספר פעמים על מנת לחלץ ערכי INFO מרובים. הקובץ שהתקבל,
עם הסיומת '.INFO', מכיל את מידע ה-INFO הנדרש בכרטיסייה מופרדת
שולחן. לדוגמה, כדי לחלץ את דגלי NS ו-DB, יש להשתמש בפקודה:

vcftools --vcf file1.vcf --get-INFO NS --get-INFO DB

VCF שלח השוואה אפשרויות
אפשרויות השוואת הקבצים נמצאות כעת במצב של תנופה וכנראה באג. אם אתה
מצא באג, אנא דווח עליו. שים לב שמסננים ברמת הגנוטיפ אינם נתמכים באלה
אפשרויות.

--הבדל

--gzdiff
בחר קובץ VCF להשוואה עם הקובץ שצוין על ידי האפשרות --vcf.
מפלט שני קבצים המתארים את האתרים והפרטים המשותפים/ייחודיים לכל אחד
קוֹבֶץ. לקבצים האלה יש את הסיומות '.diff.sites_in_files' ו
'.diff.indv_in_files' בהתאמה. ניתן להשתמש בגרסת --gzdiff לקריאה
קבצי VCF דחוסים.

--דיסקורדנס-אתר
משמש בשילוב עם אפשרות --diff לחישוב אי-קורדנס באתר על ידי
בסיס האתר. לקובץ הפלט שנוצר יש את הסיומת '.diff.sites'.

--diff-indv-discordance
משמש בשילוב עם אפשרות --diff לחישוב אי-קורדנס על פר-
בסיס אישי. לקובץ הפלט המתקבל יש את הסיומת '.diff.indv'.

--הבדל-דיסקורדנס-מטריקס
משמש בשילוב עם אפשרות --diff לחישוב מטריצת אי-קורדנס. זֶה
option עובד רק עם לוקוסים דו-אללים עם אללים תואמים שנמצאים ב
שני הקבצים. לקובץ הפלט המתקבל יש את הסיומת '.diff.discordance.matrix'.

--שגיאת-מתג-שונות
משמש בשילוב עם אפשרות --diff לחישוב שגיאות שלב
(במיוחד 'שגיאות החלפה'). אפשרות זו יוצרת שני קובצי פלט המתארים
שגיאות מעבר שנמצאו בין אתרים, ושגיאת המעבר הממוצעת לאדם.
לשני הקבצים הללו יש את הסיומות '.diff.switch' ו-'.diff.indv.switch'
בהתאמה.

אפשרויות עוד in פיתוח
האפשרויות הבאות עדיין לא הוגדרו, צפויות להכיל באגים וסביר להניח
לשנות בעתיד.

--fst

--gzfst
חשב FST עבור זוג קבצי VCF, כאשר הקובץ השני מצוין על ידי זה
אוֹפְּצִיָה. FST מחושב כעת באמצעות הנוסחה המתוארת ב-
חומר משלים של נייר Phase I HapMap. נכון לעכשיו, רק FST בזוגיות
חישובים נתמכים, אם כי זה ישתנה כנראה בעתיד. ה
ניתן להשתמש באפשרות --gzfst לקריאת קבצי VCF דחוסים.

--LROH זיהוי ריצות ארוכות של הומוזיגוטיות.

-- קשר
פלט סטטיסטיקה של קשר אישי.

השתמש ב-vcftools באופן מקוון באמצעות שירותי onworks.net