數(shù)據(jù)來源：https://www.nature.com/articles/s41588-018-0041-z#Sec18

Pan-genome analysis highlights the extent of genomic variation in cultivated and wild rice

之前我在網(wǎng)上沒有找到如何將上述文章發(fā)表的matrix格式SNP文件如何轉(zhuǎn)換為VCF文件的方法，就自己用R和linux寫了一個很簡陋的，還望諸位讀者和我一起改進。

下載原始數(shù)據(jù)文件SNP.matrix

linux部分：

首先篩選自己需要的數(shù)據(jù)部分，不然文件太大了R里容易卡死。

R部分：

#作為VCF文件里ALT替代堿基的來源

#由于不知道真實的VCF文件里ALT項是如何表達(dá)多種SNP的，就只好選擇第一個SNP堿基了，實際應(yīng)根據(jù)SNP類型，后續(xù)轉(zhuǎn)變?yōu)閂CF格式的時候選擇0/1或者0/2。我也不知道這0/1或者0/2對于最終結(jié)果有沒有影響，知道的朋友還請留言哈。

各個亞種的代稱在文章supplementary data 1里面，比如篩選aus亞種

關(guān)于R代碼的優(yōu)化可以參考https://www.cnblogs.com/purple5252/p/11189791.html

我嘗試過優(yōu)化這個判斷，但是可能是由于覆寫次數(shù)太多，運行效率還不如if else

轉(zhuǎn)換為VCF

這時候得到的是沒有描述行的VCF文件，需要手動寫入描述

描述是我隨便找的

linux部分計算Pi值

所學(xué)不精，還請大家多多指教