bioinformatics - 如何使用 PLink 删除重复的 SNP？

Question

我正在与 PLINK 一起工作分析全基因组数据。

有谁知道如何去除重复的 SNP？

Answer 1

在 PLINK 1.9 中，使用 --list-duplicate-vars suppress-first ，这将列出重复项，并删除一个(第一个)，保持另一个完整。我知道这会滑倒。

而不是使用 --exclude正如戴维所建议的，您也可以使用 --extract ，保留而不是删除 SNP 列表。在任何基于 Unix 的系统上都有一个简单的方法(假设您的数据是 PED/MAP 格式并被染色体切割):

for i in {1..22}; do
  cat yourfile_chr${i}.map | grep "$i" | cut -f -4 | uniq | cut -f -2 | keepers_chr${i}.txt;
done

这将创建一个 keepers_chr.txt带有 SNP ID 的文件，用于位于唯一位置的 SNP。然后运行 ​​PLINK 将原始文件提供给它并使用 --extract keepers_chr , 与 --make-bed --out unique_file