问如何使用PLink删除重复的SNP？

EN

在PLINK 1.9中，使用--list-duplicate-vars suppress-first，它将列出重复项，并删除一个(第一个)，保留另一个不变。但我知道这是很容易出错的。

你也可以使用--extract，而不是像戴维建议的那样使用--exclude，保留而不是删除SNP列表。在任何基于Unix的系统上都有一个简单的方法(假设你的数据是PED/MAP格式，并按染色体分割)：

for i in {1..22}; do
  cat yourfile_chr${i}.map | grep "$i" | cut -f -4 | uniq | cut -f -2 | keepers_chr${i}.txt;
done

这将在唯一位置为SNP创建一个具有SNP ID的keepers_chr.txt文件。然后运行PLINK，将原始文件提供给它，并使用带有--make-bed --out unique_file的--extract keepers_chr

据我所知，没有命令可以自动执行此操作，但我以前使用的方法是获取重复的SNP列表，将副本更改为rs1001.dup，然后运行--update-allele --update-name，然后创建副本列表，这样所有条目的名称末尾都会有.dup，然后运行--extract duplicateSNPs.txt --make-bed --out yourfilename.dups.removed

如果您熟悉R，那么获取重复的SNP列表应该不会太难。抱歉，我要给您一个“好好学习X！”回答

使用R更容易，尽管您必须使用TPED文件。一旦您设法获得一个this文件，只需将其复制并粘贴到R控制台中：

a = read.table("yourfile.TPED",sep = " ",header=FALSE)
b = a[!duplicated(a$V2),]
write.table(b,file="newfile.TPED",sep=" ",quote = FALSE,col.names = FALSE, row.names=FALSE)

没有重复的newfile.TPED将出现在R工作目录中。提示:您可以将脚本的yourfile.TPED和newfile.TPED部分更改为您的文件的实际名称。