Pandas를 활용한 VCF 파일 분석 방법 (기본)

Pandas를 활용한 VCF 파일 분석 방법

 

 

1. VCF 파일의 메타데이터와 데이터 분리

import pandas as pd

# VCF 파일 경로
vcf_file = 'path/to/your/file.vcf'

# VCF 파일 읽기
with open(vcf_file, 'r') as file:
    lines = file.readlines()

# 메타데이터와 데이터 분리
metadata = [line for line in lines if line.startswith('##')]
header_line = [line for line in lines if line.startswith('#') and not line.startswith('##')]
data_lines = [line for line in lines if not line.startswith('#')]

# 컬럼 헤더 추출
header = header_line[0].strip().split('\t')

# 데이터프레임 생성
data = [line.strip().split('\t') for line in data_lines]
df = pd.DataFrame(data, columns=header)

# 데이터프레임 확인
print(df.head())

 

 

2. 데이터 분석 및 처리

특정 열 선택 및 확인

# 'CHROM' 열의 값 확인
print(df['CHROM'].unique())

 

특정 조건에 맞는 데이터 필터링

# 'QUAL' 값이 30 이상인 변이 선택
high_quality_variants = df[df['QUAL'].astype(float) >= 30]
print(high_quality_variants)

 

데이터 통계 및 요약

# 'QUAL' 열의 요약 통계
print(df['QUAL'].astype(float).describe())

 

 

3. VCF 파일 데이터프레임 출력

##fileformat=VCFv4.2
##source=myImputationProgramV3.1
#CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO
20      14370   rs6054257 G       A       29      PASS    NS=3;DP=14;AF=0.5;DB;H2
20      17330   .       T       A       3       q10     NS=3;DP=11;AF=0.017
20      1110696 rs6040355 A       G,T     67      PASS    NS=2;DP=10;AF=0.333,0.667

# 예시 VCF 데이터프레임 출력
print(df)

  CHROM      POS         ID REF ALT QUAL FILTER                       INFO
0    20    14370  rs6054257   G   A   29   PASS  NS=3;DP=14;AF=0.5;DB;H2
1    20    17330          .   T   A    3    q10       NS=3;DP=11;AF=0.017
2    20  1110696  rs6040355   A  G,T   67   PASS  NS=2;DP=10;AF=0.333,0.667

 

 

https://pypi.org/project/vcf2pandas/

vcf2pandas