【佳學(xué)基因檢測】基因解碼基礎(chǔ)：如何從VCF格式文件中獲取基因測序數(shù)據(jù)？
遺傳病、罕見病基因檢測導(dǎo)讀：
VCF格式是一種基因測序領(lǐng)域常用的基因序列存儲(chǔ)格式。了解VCF格式是基因信息注釋工作與基因測序工作進(jìn)行對接的先進(jìn)步。本文介結(jié)從采用VCF格式存儲(chǔ)的基因數(shù)據(jù)中獲取受檢者基因信息的一個(gè)工具，以及使用這一個(gè)工具的方法。
為什么要開發(fā)vcfR工具包？vcfR有什么用途？
VCF文件格式成為記錄一個(gè)人基因信息的通用格式文件，正如JPG是照片和圖形的通用格式文件一樣。由于測序成本的大幅度降低，數(shù)據(jù)庫比對成為現(xiàn)行基因檢測的通行技術(shù)，而基因解碼進(jìn)一步對數(shù)據(jù)庫比對方法進(jìn)行升級換對，讀取和理解基因信息成為基因信息閱讀、傳遞和交流的一個(gè)重要需要。因此，我們需要掌握對VCF格式文件進(jìn)行處理的軟件。vcfR軟件不僅可提取基因型，還可以提取與基因型測定的質(zhì)量的數(shù)據(jù)。vcfR是一個(gè)在R語言下開發(fā)的工具，因?yàn)镽提供了一個(gè)交互體驗(yàn)和一個(gè)通常用于基因信息分析的環(huán)境。通過vcfR可以讀取VCF文件，存儲(chǔ)到R語言支持的各種文件格式。并采用R語言進(jìn)行匯總、繪圖、統(tǒng)計(jì)。VcfR還提供了通過修改各種參數(shù)，用可視化的方式再現(xiàn)這些參數(shù)對分析結(jié)果的影響的功能。另外vcfR還可以使用基因序列文件（FASTA）和基因注釋文件（GFF），使得基因組的特定區(qū)域如染色體可以以圖形的方式展現(xiàn)。vcfR還可以通過轉(zhuǎn)換函數(shù)將vcfR的數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換成為R環(huán)境下其他基因信息分析工具可以使用的文件格式。更為復(fù)雜的運(yùn)算可以通過C++語言來實(shí)現(xiàn)。
VCF文件的存儲(chǔ)格式：
vcf文件分為三個(gè)部分
- ‘#’號(hào)開頭行——meta
- 非#號(hào)開頭行分為fix和gt兩個(gè)部分
fix部分存儲(chǔ)vcf文件中非#號(hào)開頭行的前7列，分別是
- 染色體編號(hào)
- 堿基位置
- ID
- 參考堿基
- 變異堿基
- 質(zhì)量值
- 是否過濾
gt 部分存儲(chǔ)兩部分內(nèi)容
- format
- 樣本基因型
vcfR的主要功能
2、解析功能可有效提取基因型矩陣或其相關(guān)信息。
3、繪圖功能提供了一種直觀地評估變體特征的快速方法。
4、提供了對R環(huán)境提供的大量統(tǒng)計(jì)和圖形工具的便捷訪問。
5、通過有效的解析和可視化，可以快速開發(fā)針對質(zhì)量指標(biāo)的硬過濾器，可以輕松地針對單個(gè)項(xiàng)目和實(shí)驗(yàn)設(shè)計(jì)進(jìn)行量身定制。
6、vcfR的關(guān)鍵組件以C ++實(shí)現(xiàn)，并從R中調(diào)用以賊大程度地減少計(jì)算時(shí)間。
vcf主要功能介紹：
通過參數(shù)設(shè)置，通過讀取表格數(shù)據(jù)的函數(shù)utils :: read.table（）和data.table :: fread（）以跳過非表格元區(qū)域，從而為這些函數(shù)提供了一點(diǎn)優(yōu)勢。
通過data.table :: fread（'zcat filename.gz'）調(diào)用data.table :: fread（）函數(shù)，是因?yàn)樗?dāng)前不能讀取壓縮的數(shù)據(jù)。
2、讀取基因型函數(shù)：
extract.gt()
chromoqc（）可用于可視化chromR對象。
