使用plink1.9拆分VCF多等位位点为双等位位点的问题求助

plink默认拆分多等位变异时，仅会复制原变异ID到拆分后的所有行，不会自动拆分ID列，可通过以下两种方式解决：

方案1：直接用plink1.9一步完成拆分+ID修正 #

通过参数配置可以在拆分的同时直接生成符合预期的ID格式，命令如下：

# 输出ped/map格式示例
plink --vcf 输入文件.vcf \
  --biallelic-split \
  --set-missing-var-ids @:#:\$r:\$a \
  --keep-allele-order \
  --recode \
  --out 输出文件前缀

# 输出VCF格式示例，仅需要修改--recode参数即可
plink --vcf 输入文件.vcf \
  --biallelic-split \
  --set-missing-var-ids @:#:\$r:\$a \
  --keep-allele-order \
  --recode vcf-iid \
  --out 输出文件前缀

参数说明：

• --biallelic-split：plink1.9专属参数，用于将多等位位点拆分为多个双等位位点，每个位点对应一个ALT等位
• --set-missing-var-ids @:#:\$r:\$a：自动按照「染色体:位置:参考等位:变异等位」的格式重新生成变异ID，完全匹配预期的ID规则
• --keep-allele-order：避免plink自动翻转参考/变异等位，保证ID和实际位点等位信息一致

方案2：已有拆分后的错误文件，手动修正ID列 #

如果已经完成了拆分流程，不想重新跑计算，可以直接用awk命令修正ID列：

修正map文件 #

awk '{
  split_num = split($2, id_arr, /;/);
  for(i=1; i<=split_num; i++){
    print $1"\t"id_arr[i]"\t"$3"\t"$4
  }
}' 错误的.map > 修正后.map

ped文件不需要修改，和修正后的map文件可以直接配套使用。

修正VCF文件 #

awk '
/^##/ {print $0; next}
/^#CHROM/ {print $0; next}
{
  split($3, id_arr, /;/);
  for(i=1; i<=length(id_arr); i++){
    $3 = id_arr[i];
    print $0;
  }
}' 错误的.vcf > 修正后.vcf

内容的提问来源于stack exchange，提问作者M.Vu