利用WeGene WGS给出的VCF文件输出类似WeGene芯片数据txt

概述：
编程语言：Python3.8
模块：pyvcf csv
可选：jupyter
整体思路：识别WeGene芯片数据txt的文件特征，读取vcf文件并根据其中内容获取所需数据并写入到txt中
前排提示：强烈建议买一个读写速度快一点而且至少是128GB或以上的U盘，当然我是直接买了个1T的移动硬盘


 
步骤：

1. 通过观察微基因芯片测试txt结果，我们可以得知重要信息分别为：RSID chromosome position genotype，并且我们可以发现每列之间的分隔符是一个tab缩进，所以接下来的问题就转化成如何获取这四种信息并且以分隔符为tab缩进形式输出
2. 众所周知vcf文件里的数据包括ID CHROM POS 参考序列和突变方向，而vcf中又有GT标签来表示是杂合还是纯合，是突变还是未突变。所以得出结论：我们可以直接调用pyvcf模块，并读取vcf，遍历每行的内容，同时直接用ID POS CHROM标签来获取所需的RSID chromosome position三种数据，再通过读取GT标签，原始型REF和突变型ALT来确定这个位点的genotype。注意：这几种标签的数据类型如下表
标签 | 类型
ID | str
CHROM | int
POS | int
ID | str
GT | str
REF | str
ALT | list
GT标签说明：示例结构'0/1'，其中0表示原始型，1表示突变
代码：


 
结果展示：



3. 从我们输出的结果可以看出还有些问题，由于ALT标签输出的是list所以文件中会存在[]字样，并且由于读取的位点中并不是所有位点的genotype长度都是2，而微基因的数据中的genotype长度都是2，所以去除[]的同时还要去除那些genotype长度非2的位点
代码：