VCF文件读取 - 孟德尔随机化教程

📖 什么是VCF文件？

VCF（Variant Call Format）是存储基因变异信息的标准文件格式，包含SNP、INDEL等变异信息。

⚡ 一行代码读取VCF

# 使用vroom读取VCF文件（推荐）
library(vroom)

# VCF默认有##注释信息，使用comment = "##"跳过注释
b <- vroom("./ieu-b-5089.vcf.gz", comment = "##")

# 查看数据结构
head(b)
dim(b)

💡 提示：vroom是readr的升级版，特别适合读取大型VCF文件，速度比传统方法快10倍以上。

📦 安装vroom包

# 安装vroom
install.packages("vroom")

# 或者使用Bioconductor版本（处理VCF更专业）
if (!require("BiocManager")) install.packages("BiocManager")
BiocManager::install("VariantAnnotation")

🚀 进阶用法

选择性读取特定列

# 只读取需要的列
b <- vroom("./file.vcf.gz", 
      comment = "##",
      col_select = c(ID, REF, ALT, INFO))

# 使用col_types指定列类型
b <- vroom("./file.vcf.gz",
      comment = "##",
      col_types = cols(ID = "c", REF = "c", ALT = "c"))

读取远程VCF文件

# 直接从URL读取
b <- vroom("https://zenodo.org/record/xxx/file.vcf.gz",
      comment = "##")

处理INFO列

# VCF的INFO列包含大量信息，需要解析
# 使用VariantAnnotation包解析
library(VariantAnnotation)

# 读取VCF文件
vcf <- readVcf("file.vcf.gz", genome = "GRCh37")

# 提取INFO字段
info(vcf)

⚠️ 注意事项

• VCF文件通常较大，推荐使用vroom的压缩文件直接读取功能
• 注释行（##开头）需要使用comment参数跳过
• 大文件建议设置n_max参数限制读取行数
• 读取后检查列名，有些VCF需要手动处理格式

📚 相关教程

🔗

📋