SAS中文论坛

标题: hapmap文件导入到sas中的第三个问题 [打印本页]

作者: shiyiming 时间: 2009-10-29 14:50
标题: hapmap文件导入到sas中的第三个问题
另外一个需要生成的文件（格式）
ped：
M012 NA19663 0 0 2 G G T T A A ... ;
M012 NA19664 0 0 1 G G C C C C ... ;
M012 NA19665 NA19664 NA19663 0 0 2 G G ... ;
...

在这个文件中，第一列代表家系，第二列代表个体，第三列代表父亲，第四列代表母亲，第五列代表性别（1男2女），后面的字母是其被检测的SNP(单核甘酸多态性）的排列（大家可以顺便当生物科普消遣一下，嘻嘻）

这些个体和基因型的信息，包含在上一篇贴的hapmap文件里。在那个文件中，第三行是此样本中的所有个体名（NA19663...),从第四行开始，是每个SNP的名字，以及这个SNP在此样本每个个体中对应的基因型（GG AG AA ...etc）
* btw：由于组成DNA的碱基只有A,G,C,T四种，所以每个SNP的基因型（即两条染色体上的单核苷酸位点，如GG，代表两条染色体上都是G）只有16种组合

而家系，父母和性别的信息，包含在另一个hapmap文件里：
hapmap3：
FID IID dad mom sex pheno population
M006 NA19656 NA19655 NA19654 2 0 MEX
M006 NA19655 0 0 1 0 MEX
M006 NA19654 0 0 2 0 MEX
M007 NA19659 NA19658 NA19657 2 0 MEX
M007 NA19658 0 0 1 0 MEX
M007 NA19657 0 0 2 0 MEX
......
如第一行所示，我们需要的是前五列的信息，并且要将个体名和基因型对应起来

综上，我们需要解决的问题是
1. 剔除hapmap2文件中的文字信息，提取SNP信息，将它们一一与个体名称对应。以rs774265为例，这个SNP在所有SNP中排在第一个，它在个体NA19663 NA19664 NA19665 中的基因型是GG GG GG，那么我们需要的是给NA19663的基因型第一、二个位置上对应上G G（需用空格隔开，占两格），NA19664, NA19665同理。而倒数第二、一个位置上则对应rs4722699，NA19663为C T
2. 在获得个体名和SNP排列后，通过个体名配对，将hapmap3中的家系名，父母，性别的信息加入

呼哧......写这么长的求助帖，也自己把思路好好整理了一遍
不管您是否回帖，都非常感谢您的时间~~
在用手和excel排列了好多文件之后，痛下决心要学好sas，实现自动化！希望与大家携手共进：）

欢迎光临 SAS中文论坛 (https://mysas.net/forum/)