手动修改.bgen配套.sample文件：如何在R中导出带双表头的.txt文件？

plink要求的.bgen配套.sample文件格式固定为：

• 第1行：列名表头
• 第2行：各列数据类型标识（ID_1、ID_2、missing列对应值为0，sex列是离散编码填D）
• 第3行及之后：实际样本数据，行数必须和.bgen文件的样本数完全一致

你当前报错的两个核心原因：

• 第二行的类型标识格式错误，带括号和逗号，导致plink无法识别为第二表头，直接将其判定为第一行样本，最终样本计数多1
• 你把类型标识行放到了样本数据框中导出，导致真实样本行数和.bgen不匹配

方案1：R中直接导出符合规范的.sample文件 #

首先确认你的samples数据框已经删掉了那行(0, 0, 0, D)的内容，只保留26622行真实样本数据，再运行以下代码：

# 创建文件连接
con <- file("samples_bgen.sample", "w")
# 写入第一行表头
writeLines("ID_1 ID_2 missing sex", con)
# 写入第二行类型表头，无括号无逗号，空格分隔
writeLines("0 0 0 D", con)
# 写入所有样本数据，不需要再输出列名
write.table(
  x = samples,
  file = con,
  sep = " ",
  row.names = FALSE,
  col.names = FALSE,
  quote = FALSE
)
# 关闭文件连接
close(con)

方案2：直接修改已导出的.txt文件 #

如果不想重新运行R导出，可以直接修改现有文件：

1. 打开samples_bgen.txt，删除第二行里的括号和逗号，把(0, 0, 0, D)改成0 0 0 D
2. 检查样本数据部分：如果第二行原来属于数据框的第一行，就删掉数据部分多出来的那行类型标识内容，保证从第三行开始的真实样本数刚好是26622行
3. 改后缀为.sample即可

验证 #

修改完成后重新运行你的plink命令：

plink --bgen data.bgen --sample samples_bgen.sample --make-bed --out data_output

即可正常执行，不会再报样本数不匹配或第二表头无效的错误。

内容的提问来源于stack exchange，提问作者Emilie