慈溪市建设厅网站做网站公司天津

vcf2phylip.py

01 介绍

将VCF格式的SNP转换为PHYLIP、NEXUS、二进制NEXUS或FASTA对齐格式用于系统发育分析

简要描述：
该脚本适用于Python 3，输入为VCF文件，使用SNP基因型生成矩阵以供系统发育分析，支持PHYLIP（松散版）、FASTA、NEXUS或二进制NEXUS格式。对于杂合SNP，脚本会生成共识并将IUPAC核苷酸模糊代码写入最终矩阵。支持任何倍性水平，并会自动检测。该代码经过优化，能够处理大规模的VCF矩阵（数百个样本和数百万个基因型），例如，在我们的测试中，它能够在约27分钟内处理一个20GB的VCF文件（大约300万个SNP × 650个个体）。脚本的初始版本只生成PHYLIP矩阵，但现在我们添加了其他流行的格式，包括用于在BEAST中通过SNAPP插件分析SNP的二进制NEXUS文件（仅适用于二倍体基因型）。

此外，您可以选择每个SNP所需的最小样本数，以控制最终的缺失数据量。由于系统发育软件通常会将树根定位在对齐的第一个序列上（例如RAxML、IQTREE和MrBayes），该脚本还允许您指定一个外组序列，该序列将作为对齐中的第一个序列。

压缩的VCF文件可以直接分析，但扩展名必须为.vcf.gz。

该脚本已通过以下工具生成的VCF文件进行测试：pyrad v.3.0.66、ipyrad v.0.7.x、Stacks v.1.47、dDocent、GATK、freebayes和graphtyper。

02 官网

https://github.com/edgardomortiz/vcf2phylip

03 使用方法

usage: vcf2phylip.py [-h] -i FILENAME [--output-folder FOLDER][--output-prefix PREFIX] [-m MIN_SAMPLES_LOCUS][-o OUTGROUP] [-p] [-f] [-n] [-b] [-r] [-w] [-v]

该脚本将VCF格式的SNP集合转换为PHYLIP、FASTA、NEXUS或二进制NEXUS文件，用于系统发育分析。代码已针对大于1GB的VCF文件进行了优化。对于小型VCF文件，当物种数增加时，算法会变慢（但仍然很快）。

允许任何倍性，但仅对于二倍体VCF会生成二进制NEXUS。

可选参数：

• -h, --help：显示帮助信息并退出
• -i FILENAME, --input FILENAME：输入VCF文件的名称，可以是压缩格式（.vcf.gz）
• --output-folder FOLDER：输出文件夹的名称，如果文件夹不存在则会创建（默认与输入文件相同）
• --output-prefix PREFIX：输出文件的前缀（默认与输入VCF文件名相同）
• -m MIN_SAMPLES_LOCUS, --min-samples-locus MIN_SAMPLES_LOCUS：每个SNP位置所需的最小样本数（默认为4）
• -o OUTGROUP, --outgroup OUTGROUP：外组的名称，该序列将作为对齐的第一个物种
• -p, --phylip-disable：默认生成PHYLIP矩阵，除非启用此标志
• -f, --fasta：生成FASTA矩阵（默认禁用）
• -n, --nexus：生成NEXUS矩阵（默认禁用）
• -b, --nexus-binary：为二倍体基因型生成二进制NEXUS矩阵以进行SNAPP分析（默认禁用）
• -r, --resolve-IUPAC：随机解析杂合基因型，以避免矩阵中的IUPAC模糊性（默认禁用）
• -w, --write-used-sites：保存通过过滤器并用于对齐的坐标列表（默认禁用）
• -v, --version：显示程序版本号并退出

04 案例

示例：

在以下示例中，如果您更改了vcf2phylip.py文件的权限为可执行文件，则可以省略python。

示例1：使用默认参数创建一个最小样本数为4的PHYLIP矩阵：

python vcf2phylip.py --input myfile.vcf
# 等同于：
python vcf2phylip.py -i myfile.vcf
# 该命令将创建一个名为`myfile_min4.phy`的PHYLIP文件

示例2：使用最小样本数为60创建PHYLIP和FASTA矩阵：

python vcf2phylip.py --input myfile.vcf --fasta --min-samples-locus 60
# 等同于：
python vcf2phylip.py -i myfile.vcf -f -m 60
# 该命令将创建名为`myfile_min60.phy`的PHYLIP文件和名为`myfile_min60.fasta`的FASTA文件

示例3：创建所有输出格式，并选择“sample1”作为外组：

python vcf2phylip.py --input myfile.vcf --outgroup sample1 --fasta --nexus --nexus-binary
# 等同于：
python vcf2phylip.py -i myfile.vcf -o sample1 -f -n -b
# 该命令将创建`myfile_min4.phy`的PHYLIP文件、`myfile_min4.fasta`的FASTA文件、`myfile_min4.nexus`的NEXUS文件和`myfile_min4.bin.nexus`的二进制NEXUS文件

示例4：如果您只希望创建NEXUS矩阵并禁用PHYLIP矩阵：

python vcf2phylip.py --input myfile.vcf --phylip-disable --nexus
# 等同于：
python vcf2phylip.py -i myfile.vcf -p -n
# 该命令只会创建名为`myfile_min4.nexus`的NEXUS矩阵

示例5：如果您不希望在PHYLIP矩阵中出现IUPAC模糊表示的杂合基因型：

python vcf2phylip.py --input myfile.vcf --resolve-IUPAC
# 等同于：
python vcf2phylip.py -i myfile.vcf -r
# 该命令将只创建一个名为`myfile_min4.phy`的PHYLIP矩阵，其中杂合基因型的IUPAC模糊性已随机解析

示例6：指定输出文件夹和输出前缀：

python vcf2phylip.py -i myfile.vcf.gz --output-folder /data/results --output-prefix mymatrix
# 该命令将在`/data/results`文件夹中创建名为`myfile.min4.phy`的文件

示例7：写入用于对齐的坐标列表：

python vcf2phylip.py -i myfile.vcf.gz -w
# 该命令将创建名为`myfile.min4.phy`的PHYLIP文件，并生成`myfile.min4.used_sites.tsv`的坐标列表

 05 引用

Ortiz, E.M. 2019. vcf2phylip v2.0: convert a VCF matrix into several matrix formats for phylogenetic analysis. DOI:10.5281/zenodo.2540861