如何在 R 中读取 vcf 文件

Question

我有这个VCF 格式文件，我想在 R 中读取这个文件。但是，这个文件包含一些我想跳过的冗余行。 我想得到类似于行以匹配#CHROM的行开头的结果。

这是我尝试过的：

chromo1<-try(scan(myfile.vcf,what=character(),n=5000,sep="\n",skip=0,fill=TRUE,na.strings="",quote="\"")) ## find the start of the vcf file
skip.lines<-grep("^#CHROM",chromo1)


column.labels<-read.delim(myfile.vcf,header=F,nrows=1,skip=(skip.lines-1),sep="\t",fill=TRUE,stringsAsFactors=FALSE,na.strings="",quote="\"")
num.vars<-dim(column.labels)[2]

我的文件.vcf

    #not wanted line
    #unnecessary line
    #junk line
    #CHROM  POS     ID      REF     ALT
    11      33443   3        A       T
    12      33445   5        A       G

结果

    #CHROM  POS     ID      REF     ALT
    11      33443   3        A       T
    12      33445   5        A       G

Answer 1

也许这对你有好处：

# read two times the vcf file, first for the columns names, second for the data
tmp_vcf<-readLines("test.vcf")
tmp_vcf_data<-read.table("test.vcf", stringsAsFactors = FALSE)

# filter for the columns names
tmp_vcf<-tmp_vcf[-(grep("#CHROM",tmp_vcf)+1):-(length(tmp_vcf))]
vcf_names<-unlist(strsplit(tmp_vcf[length(tmp_vcf)],"\t"))
names(tmp_vcf_data)<-vcf_names

ps：如果你有几个vcf文件，那么你应该使用lapply函数。

最好的，罗伯特

Answer 2

data.table::fread按预期读取它，请参见示例：

library(data.table)

#try this example vcf from GitHub
vcf <- fread("https://raw.githubusercontent.com/vcflib/vcflib/master/samples/sample.vcf")

#or if the file is local:
vcf <- fread("path/to/my/vcf/sample.vcf")

我们也可以使用vcfR包，参见链接中的手册。

Answer 3

不知道 fread 如何在上面的评论中正确读取 vcf，但使用 'skip' 来定义第一行开始（或者，如果是整数，则要跳过的行数）。

library(data.table)
df = fread(file='some.vcf', sep='\t', header = TRUE, skip = '#CHROM')