用popart构建常染色体单倍型网络（haplotypes network construction...

1）将vcf转化为plink格式，假定输入的vcf文件名为：17893893-17898893.vcf,也可以参考链接：将vcf文件转化为plink格式并且保持phasing状态

/vcftools --vcf 17893893-17898893.vcf --plink-tped --out 17893893-17898893 /plink --tfile 17893893-17898893 --recode --out 17893893-17898893

2) 用PLINK确定要研究的位点是否处于连锁的状态；生成blocks和blocks.det两种后缀格式文件；

/plink --file 17893893-17898893 --blocks no-pheno-req --out 17893893-17898893

 　　

 以上结果说明rs62033246|rs7189274|rs7187782|rs62033247|rs7194607|rs7200159|rs199711091|rs2361776|rs8054992|rs1845376|rs35902958|rs9928657|rs9928743|rs56078865|rs62033249|rs62033250|rs9936044|rs7184460|rs4781927|rs7202082|rs4780669|rs7202439|rs7195939|rs57418698|rs34615631|rs533867711|rs555603620|rs567435894|rs7499772|rs62033251|rs56248612|rs7202488|rs61671028|rs62033253|rs9928974这35个位点是连锁的

 

3) 提取这35个位点作为接下来的单倍型网络构建；去掉vcf的头文件，保存为txt格式，见如下图，17893893-17898893.txt：

4）准备17893893-17898893_singstring.txt文件，该文件其实就是去掉 0|0，0|1，1|0，1|1的“|”。

5）接下来，生成两条单链，用R输入如下命令：

install.packages('xlsx')

library(xlsx)

kg_ame<>read.table('E:/17893893-17898893.txt')

kg_ame<>data.frame(kg_ame);

library('stringr');

newdata=c()

for (i in 0:34){

  i=i+1

  kk=kg_ame[i,6:2509];

  kk[which(kk=='0|0')]=paste(kg_ame[i,4],kg_ame[i,4]);

  kk[which(kk=='0|1')]=paste(kg_ame[i,4],kg_ame[i,5]);

  kk[which(kk=='1|0')]=paste(kg_ame[i,5],kg_ame[i,4]);

  kk[which(kk=='1|1')]=paste(kg_ame[i,5],kg_ame[i,5]);

  newdata=rbind(newdata,kk)

}

##6：2509指的是2000多个样本对应的碱基；

##0：34指的是35个碱基；这一步是将0|0，0|1，1|0，1|1转化为碱基形式，类似vcf转化为Ped的步骤；

openxlsx::write.xlsx(newdata,file ='E:/17893893-17898893_change.xlsx')

kk=kg_ame[1,7:15];kk

kk[which(kk=='0|0')]=paste(kg_ame[1,4],kg_ame[1,4]);kk

#####分为两条链，转换为ped格式；

library(xlsx)

kg_ame<>read.table('E:/17893893-17898893_singstring.txt')

kg_ame<>data.frame(kg_ame);

library('stringr');

newdata=c()

for (i in 0:34){

  i=i+1

  kk=kg_ame[i,6:5013];

  kk[which(kk=='0')]=kg_ame[i,4];

  kk[which(kk=='1')]=kg_ame[i,5];

  newdata=rbind(newdata,kk)

}

openxlsx::write.xlsx(newdata,file ='E:/17893893-17898893_changesingstring.xlsx')

se1<>seq(from=1,to=5008,by=2);

se2<>seq(from=2,to=5008,by=2);

stringone<>

stringtwo<>

openxlsx::write.xlsx(stringone,file ='E:/17893893-17898893_changesingstringone.xlsx')

openxlsx::write.xlsx(stringtwo,file ='E:/17893893-17898893_changesingstringtwo.xlsx')

####以上步骤为转为两条单链

6) 将上述的两条单链生成fas格式；

paste -d '\n'  17893893-17898893_changesingstringone_firstdot.txt 17893893-17898893_changesingstringone.txt > 17893893-17898893_changesingstringone_dot.fas

paste -d '\n'  17893893-17898893_changesingstringtwo_firstdot.txt 17893893-17898893_changesingstringtwo.txt > 17893893-17898893_changesingstringtwo_dot.fas

cat 17893893-17898893_changesingstringone_dot.fas 17893893-17898893_changesingstringtwo_dot.fas >> 17893893-17898893_changesingstring_onetwo_dot.fas #这两条链合并在一起

17893893-17898893_changesingstringone_firstdot.txt 文件格式如下：

17893893-17898893_changesingstringone.txt的文件格式如下：这个文件就是5）生成出来的其中一条单链。

 

生成的fas文件如下：

第二条链的处理同上。最后一步，就是把这两条链合并在一起

7）用DnaSP6将fas文件生成nex文件

 

8）统计nex文件中不同群体的haplotype的数量

准备17893893-17898893_hap.xlsx文件

准备allsample.txt文件

输入如下命令：

#####统计nex生成的所有haplotype所在的样本和群体，这里假定生成了100个haplotype

library(dplyr)

library(xlsx)

model_57hanchip<>read.xlsx('E:/17893893-17898893_hap.xlsx',2)

model_57hanchip<>data.frame(model_57hanchip)

kg_ame<>read.table('E:/allsample.txt')

kg_ame<>data.frame(kg_ame);

newdata=c()

for (i in 0:99){

  i=i+1

  HAP1<>

  df1 <>data.frame(id = HAP1, kg_ame[,3],kg_ame[,4])

  HAP2<>

  df2 <>data.frame(id = HAP2)

  k=merge(df1, df2, by = 'id',all = FALSE)

  j=table(k[,3])

  newdata=rbind(newdata,j)

  print(i)

}

openxlsx::write.xlsx(newdata,file ='E:/17893893-17898893_hapcount.xlsx')

9）修改生成的nex文件

DnaSP6生成的nex文件并没有BEGIN TRAITS的头文件，因此这一步是需要手动修改的。

这一步，除了圈出来的数字和AFR AMR EAS EUR SAS是需要修改，其他照抄。

 10）用popart构建单体型网络

导入文件后，选择适合的算法，即可生成。