R 如何从vcf文件中按顺序计算人口中的个体数

我想从一个vcf文件中得到每个种群中的个体数量，按照种群被读入的顺序。我的文件的字段如下所示

##fileformat=VCFv4.2                                                
##fileDate=20180425                                             
##source="Stacks v1.45"                                             
##INFO=<ID=NS,Number=1,Type=Integer,Description="Number of Samples With Data">                                              
##INFO=<ID=AF,Number=.,Type=Float,Description="Allele Frequency">                                               
##FORMAT=<ID=GT,Number=1,Type=String,Description="Genotype">                                                
##FORMAT=<ID=DP,Number=1,Type=Integer,Description="Read Depth">                                             
##FORMAT=<ID=AD,Number=1,Type=Integer,Description="Allele Depth">                                               
##FORMAT=<ID=GL,Number=.,Type=Float,Description="Genotype Likelihood">                                              
##INFO=<ID=locori,Number=1,Type=Character,Description="Orientation the 
corresponding Stacks locus aligns in">                                              
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT   
CHALIFOUR_2003_ChHis-1  CHALIFOUR_2003_ChHis-13 CHALIFOUR_2003_ChHis-14  
CHALIFOUR_2003_ChHis-15
un  1027    13_65   C   T   .   PASS    NS=69;AF=0.188;locori=p GT:DP:AD     
0/1:16:9,7  0/0:39:39,0 0/0:17:17,0 0/0:39:39,0

##fileformat=VCFv4.2
##fileDate=20180425
##source=“Stacks v1.45”
##信息=
##信息=
##格式=
##格式=
##格式=
##格式=
##信息=
#CHROM POS ID REF ALT QUAL过滤器信息格式
CHALIFOUR_2003_ChHis-1 CHALIFOUR_2003_ChHis-13 CHALIFOUR_2003_ChHis-14
CHALIFOUR_2003_ChHis-15
un 1027 13_65 C T。通过NS=69；AF=0.188；locori=p GT:DP:AD
0/1:16:9,7  0/0:39:39,0 0/0:17:17,0 0/0:39:39,0

请参见此处的示例文件

例如，在我链接到的文件中，我有两个群体，Chalifour 2003和Chalifour 2015。个人有一个前缀“CHALIFOUR_2003…”来标识这一点

我希望能够提取如下内容： Chalifour_2003*35 Chalifour 2015*45

“35”和“45”表示每个群体中的个体数量（尽管这些数字是由人组成的）。我一点也不关心输出的格式，我只需要数字，重要的是要按照读取到文件中的顺序列出人口

---

如果您对获取此信息的途径有任何建议，我们将不胜感激。

使用

data.table

包读取vcf文件，您可以执行以下操作：

library(data.table)
df <- fread("~/Downloads/ChaliNoOddsWithOuts.vcf")
samples <- colnames(df)[-c(1:9)]
table(gsub("(.*_.*)_.*","\\1", samples))

---

您看过

vcfR

软件包了吗？它有<代码> Read .VCFR < /代码>，然后您可以将前缀提取到一个新的列中，并使用<代码> GROPYBY（）/<代码>和<代码> CONTUTE（）/代码>从<代码> DPLYR 包。

grep "#CHROM" file.vcf | tr "\t" "\n " | tail -n +10 | cut -f1,2 -d'_' | uniq -c