阅读带有以“##”开头的注释行的表格

Posted 2023-04-15

【中文标题】阅读带有以“##”开头的注释行的表格

【英文标题】：Read table with comment lines starting with "##"

【发布时间】：2017-07-11 05:55:20

【问题描述】：

我正在努力使用 R 以变体调用格式 (VCF) 阅读我的表格。 每个文件都有一些以## 开头的注释行，然后是以# 开头的标题。

## contig=<ID=OTU1431,length=253>
## contig=<ID=OTU915,length=253>
#CHROM  POS ID  REF ALT QUAL    FILTER  INFO    FORMAT  /home/sega/data/bwa/reads/0015.2142.fastq.q10sorted.bam
Eubacterium_ruminantium_AB008552    56  .   C   T   228 .   DP=212;AD=0,212;VDB=0;SGB=-0.693147;MQ0F=0;AC=2;AN=2;DP4=0,0,0,212;MQ=59    GT:PL   1/1:255,255,0

如何在不丢失标题的情况下阅读此类表格？ 将read.table() 与comment.char = "##" 一起使用会返回错误："invalid 'comment.char' argument"

【参考方案1】：

如果您想阅读 VCF，您也可以尝试使用 Bioconductor 中 VariantAnnotation 中的 readVcf。 https://bioconductor.org/packages/release/bioc/html/VariantAnnotation.html

否则，我可以强烈推荐 data.table 包中的 fread 函数。 它允许您使用skip 参数来允许它在找到子字符串时开始导入。

例如

fread("test.vcf", skip = "CHROM")

应该可以。

【讨论】：

fread 函数和 skip 参数真的很有帮助。谢谢。