生信log

生信log40|只有GRCh37或GRCh38的人基因组数据怎么

2023-10-05  本文已影响0人  小周的万用胶囊

最近在查看一些数据集,发现有些非常老的数据库里面只有GRCh37的数据,一些经常更新的数据库里面只有GRCh38的数据,如果恰好手头上有两个版本的基因组数据可就非常头疼了。为了找到数据,我掘地三尺,把网络数据都翻了一下,发现有些官方网站如VEP会提供两个版本的数据,并且上面标注了"remapped with CrossMap",说明这些数据是转换而来的。

VEP数据库

1、CrossMap的实现原理

2、CrossMap支持什么文件

CrossMap支持什么文件

目前官方支持BED、GFF/GTF、VCF文件,这些文件里面都包含了染色体、染色体的起始位点信息。

哪些信息是这些文件里面共有的?

这些文件里面都包含了染色体染色体的起始位点信息

3、CrossMap的用法

准备文件: 此处以转换VCF为例子

  1. 待转换的VCF文件
  2. 转换链文件: .chain或.lz格式
  3. 转换版本的参考基因组:如要把数据转换成GRCh38的数据,那么

PS:转换链文件是通过UCSC的LiftOver工具得到的,官方有提供可直接下载。

# 法一
conda install -c bioconda crossmap
#法二
pip3 install CrossMap

基础命令:CrossMap.py vcf input.chain input.vcf refgenome.fa out_vcf

以转换ExAC数据为例

CrossMap.py vcf \ 
references_grch37_to_grch38.over.chain.gz \
ExAC.hg19.test.vcf \ #you
references_Homo_sapiens_assembly38.fasta \
ExAC.hg38.test.out.nofilter.vcf --no-comp-allele

因为已经有现成的GRCh38版本的ExAC数据了,因此直接拿转换好的数据进行对比,由于转换时间和版本的问题,后续的一些VCF补充信息可能与官方的不一致,此处仅截取头五列五行(#CHROM,POS,ID,REF,ALT)的数据作对比。

本地转换好的数据

本地转换好的数据

网上的数据

网上的数据

有上两图可见这5X5的数据是一致的!

其他

PS:未完待续 ...


参考
CrossMap文章
CrossMap官网
文中链文件和参考基因组下载地址

https://crossmap.sourceforge.net/

https://www.illumina.com/products/by-type/informatics-products/basespace-sequence-hub/apps/crossmap.html

上一篇 下一篇

猜你喜欢

热点阅读