pandas plink Télécharger - pandas plink Téléchargement du code source

pandas plink

Autre code source

Télécharger

pandas-plink

Pandas-plink est un package Python permettant de lire le format de fichier binaire PLINK et les matrices de relations réalisées (PLINK ou GCTA). La lecture du fichier s'effectue via un chargement différé, ce qui signifie qu'elle économise de la mémoire en lisant uniquement les génotypes auxquels l'utilisateur a réellement accès.

Des changements notables peuvent être trouvés sur CHANGELOG.md.

Installer

Il peut être installé en utilisant pip :

pip install pandas-plink

Alternativement, il peut être installé via conda :

conda install -c conda-forge pandas-plink

Usage

C'est aussi simple que

 >> > from pandas_plink import read_plink1_bin
>> > G = read_plink1_bin ( "chr11.bed" , "chr11.bim" , "chr11.fam" , verbose = False )
>> > print ( G )
< xarray . DataArray 'genotype' ( sample : 14 , variant : 779 ) >
dask . array < shape = ( 14 , 779 ), dtype = float64 , chunksize = ( 14 , 779 ) >
Coordinates :
  * sample   ( sample ) object 'B001' 'B002' 'B003' ... 'B012' 'B013' 'B014'
  * variant  ( variant ) object '11_316849996' '11_316874359' ... '11_345698259'
    father   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    fid      ( sample ) < U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    gender   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    i        ( sample ) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13
    iid      ( sample ) < U4 'B001' 'B002' 'B003' 'B004' ... 'B012' 'B013' 'B014'
    mother   ( sample ) < U1 '0' '0' '0' '0' '0' '0' ... '0' '0' '0' '0' '0' '0'
    trait    ( sample ) < U2 '-9' '-9' '-9' '-9' '-9' ... '-9' '-9' '-9' '-9' '-9'
    a0       ( variant ) < U1 'C' 'G' 'G' 'C' 'C' 'T' ... 'T' 'A' 'C' 'A' 'A' 'T'
    a1       ( variant ) < U1 'T' 'C' 'C' 'T' 'T' 'A' ... 'C' 'G' 'T' 'G' 'C' 'C'
    chrom    ( variant ) < U2 '11' '11' '11' '11' '11' ... '11' '11' '11' '11' '11'
    cm       ( variant ) float64 0.0 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0
    pos      ( variant ) int64 157439 181802 248969 ... 28937375 28961091 29005702
    snp      ( variant ) < U9 '316849996' '316874359' ... '345653648' '345698259'
>> > print ( G . sel ( sample = "B003" , variant = "11_316874359" ). values )
0.0
>> > print ( G . a0 . sel ( variant = "11_316874359" ). values )
G
>> > print ( G . sel ( sample = "B003" , variant = "11_316941526" ). values )
2.0
>> > print ( G . a1 . sel ( variant = "11_316941526" ). values )
C

Des parties du génotype seront lues au fur et à mesure que l'utilisateur y accédera.

Les matrices de covariance peuvent également être lues très facilement. Exemple:

 >> > from pandas_plink import read_rel
>> > K = read_rel ( "plink2.rel.bin" )
>> > print ( K )
< xarray . DataArray ( sample_0 : 10 , sample_1 : 10 ) >
array ([[ 0.885782 ,  0.233846 , - 0.186339 , - 0.009789 , - 0.138897 ,  0.287779 ,
         0.269977 , - 0.231279 , - 0.095472 , - 0.213979 ],
       [ 0.233846 ,  1.077493 , - 0.452858 ,  0.192877 , - 0.186027 ,  0.171027 ,
         0.406056 , - 0.013149 , - 0.131477 , - 0.134314 ],
       [ - 0.186339 , - 0.452858 ,  1.183312 , - 0.040948 , - 0.146034 , - 0.204510 ,
        - 0.314808 , - 0.042503 ,  0.296828 , - 0.011661 ],
       [ - 0.009789 ,  0.192877 , - 0.040948 ,  0.895360 , - 0.068605 ,  0.012023 ,
         0.057827 , - 0.192152 , - 0.089094 ,  0.174269 ],
       [ - 0.138897 , - 0.186027 , - 0.146034 , - 0.068605 ,  1.183237 ,  0.085104 ,
        - 0.032974 ,  0.103608 ,  0.215769 ,  0.166648 ],
       [ 0.287779 ,  0.171027 , - 0.204510 ,  0.012023 ,  0.085104 ,  0.956921 ,
         0.065427 , - 0.043752 , - 0.091492 , - 0.227673 ],
       [ 0.269977 ,  0.406056 , - 0.314808 ,  0.057827 , - 0.032974 ,  0.065427 ,
         0.714746 , - 0.101254 , - 0.088171 , - 0.063964 ],
       [ - 0.231279 , - 0.013149 , - 0.042503 , - 0.192152 ,  0.103608 , - 0.043752 ,
        - 0.101254 ,  1.423033 , - 0.298255 , - 0.074334 ],
       [ - 0.095472 , - 0.131477 ,  0.296828 , - 0.089094 ,  0.215769 , - 0.091492 ,
        - 0.088171 , - 0.298255 ,  0.910274 , - 0.024663 ],
       [ - 0.213979 , - 0.134314 , - 0.011661 ,  0.174269 ,  0.166648 , - 0.227673 ,
        - 0.063964 , - 0.074334 , - 0.024663 ,  0.914586 ]])
Coordinates :
  * sample_0  ( sample_0 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
  * sample_1  ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    fid       ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
    iid       ( sample_1 ) object 'HG00419' 'HG00650' ... 'NA20508' 'NA20753'
>> > print ( K . values )
[[ 0.89  0.23 - 0.19 - 0.01 - 0.14  0.29  0.27 - 0.23 - 0.10 - 0.21 ]
 [ 0.23  1.08 - 0.45  0.19 - 0.19  0.17  0.41 - 0.01 - 0.13 - 0.13 ]
 [ - 0.19 - 0.45  1.18 - 0.04 - 0.15 - 0.20 - 0.31 - 0.04  0.30 - 0.01 ]
 [ - 0.01  0.19 - 0.04  0.90 - 0.07  0.01  0.06 - 0.19 - 0.09  0.17 ]
 [ - 0.14 - 0.19 - 0.15 - 0.07  1.18  0.09 - 0.03  0.10  0.22  0.17 ]
 [ 0.29  0.17 - 0.20  0.01  0.09  0.96  0.07 - 0.04 - 0.09 - 0.23 ]
 [ 0.27  0.41 - 0.31  0.06 - 0.03  0.07  0.71 - 0.10 - 0.09 - 0.06 ]
 [ - 0.23 - 0.01 - 0.04 - 0.19  0.10 - 0.04 - 0.10  1.42 - 0.30 - 0.07 ]
 [ - 0.10 - 0.13  0.30 - 0.09  0.22 - 0.09 - 0.09 - 0.30  0.91 - 0.02 ]
 [ - 0.21 - 0.13 - 0.01  0.17  0.17 - 0.23 - 0.06 - 0.07 - 0.02  0.91 ]]