bcftools 提取vcf（snp/indel）文件子集

做群体变异检测后，通常会有提取子集的操作，之前没有发现bcftools有这个功能，都是自己写脚本操作，数据量一上来，速度真的是让人无语凝噎。这里记录下提取子vcf文件的用法，软件版本：bcftools-1.5

 

一、根据个体提取子集

根据样品名提取vcf文件，准备要保留的个体名文件 keep.list，一行一个个体（参考第三步）。

无痛处理，速度超快，命令如下：

bcftools view  -S keep.list test.vcf >sub_indv.vcf

 

二、根据染色体位置提取子集

注意：这里vcf要使用gbzip压缩并且构建索引才行，而且vcf文件位置顺序不能乱（别问我怎么知道的😔）；

准备好染色体及位置文件chr_pos.list，文件内容示例如下：

chr1    27639
chr1    60383
chr2    60469
chr3    60516
chr4    60534

#或者直接给区间也行
chr1　　1　　1000
chr1　　2000　　4500

后续命令如下，速度快，内存消耗还小：

bgzip test.vcf
tabix -p vcf test.vcf.gz
bcftools view -R chr_pos.list  test.vcf.gz >new.pos.vcf

 

三、直接提取测序个体样品名

bcftools query -l test.vcf  >ind.list

head -100 test.vcf |grep "#C"|cut -f10-|xargs -n 1 >ind.list # 不调用软件这样也行

ind.list文件中一行一个样品名