Plink en Python

Je souhaite utiliser des fichiers de données PLINK (.bed, .fam, .map) etc. en Python. Il existe un module appelé pyplink.

Installation

Peut être installé avec pip

`shell`


pip install pyplink

Comment utiliser

Supposons que vous ayez un ensemble de fichiers dans votre répertoire actuel, comme foo.bed foo.fam foo.bim

`python3`


from pyplink import PyPlink
pyp = PyPlink("foo")

Cela créera un objet appelé pyp. Il s'agit d'un objet intégré des fichiers .bed, .fam et .bim. Vous pouvez accéder à chaque information avec diverses fonctions membres.

`python3`


pyp.get_fam()
pyp.get_nb_samples()
pyp.get_bim()
pyp.get_nb_markers()

`python3`


markerNames = pyp.get_bim().iloc[:,5]

Obtenez le génotype en spécifiant le nom du marqueur. Les informations de base peuvent être obtenues en utilisant acgt.

`python3`


pyp.get_geno_marker(markerNames[0])
pyp.get_acgt_geno_marker(markerNames[0])

Vous pouvez également obtenir l'ID du marqueur et le génotype sous forme d'itérateur.

`python3`


markers = ["rs7092431", "rs9943770", "rs1578483"]
for marker_id, genoypes in pyp.iter_geno_marker(markers):
  print(marker_id)
  print(genotypes, end="\n\n")

Exemple de script

Obtenez tous les génotypes d'échantillons mâles pour les marqueurs sur 23 chromosomes

`python3`


for marker_ID, genotypes in pyp.iter_geno_marker(y_markers):
    male_genotypes = genotypes[males]
    print("{:d} total genotypes".format(len(genotypes)))
    print("{:d} genotypes for {:,d} males ({} on chr{} and position {:,d})".format(
        len(male_genotypes),
        males.sum(),
        marker_ID,
        all_markers.loc[marker_ID, "chrom"],
        all_markers.loc[marker_ID, "pos"],
    ))
    break

Obtenez la fréquence et le génotype des allèles mineurs du marqueur spécifié

`python3`


founders = (all_samples.father == "0") & (all_samples.mother == "0")
markers = ["rs7092431", "rs9943770", "rs1587483"]

for marker_ID, genotypes in pyp.iter_geno_marker(markers):
    valid_genotypes = genotypes[founders.values & (genotypes != -1)]
    maf = valid_genotypes.sum()/(len(valid_genotypes)*2)
    print(marker_ID, round(maf, 6), sep="\t")
    print(genotypes)