VCF文件格式
VCF 是一种常用的生物信息学文件格式,用于存储基因组中的遗传变异数据,特别是**单核苷酸多态性(SNP)和小插入/缺失(Indel)**等变异。
vcftools软件安装
conda install vcftools -y
1. vcftools提取基因型
vcftools使用 --extract-FORMAT-info 选项来提取基因型信息。
vcftools --vcf sample.raw.vcf \
--extract-FORMAT-info GT --out sample
# 结果文件
# sample.GT.FORMAT
2. vcftools提取指定区域的变异信息
# 提取chr1 5M-10M区域的变异位点
vcftools --vcf sample.snp.vcf \
--chr chr1 --from-bp 5000000 --to-bp 10000000 \
--out sample --recode --recode-INFO-all
# 结果文件
# sample.recode.vcf
# 查看vcf结果文件
cat sample.recode.vcf|grep -v '^##'|less -S
参数说明:
–vcf :vcf文件
–chr :筛选区域所在的染色体
–form-bp :筛选区域的起始位置
–to-bp :筛选区域的终止位置
–out : 输出文件的前缀
–recode
3. vcftools对vcf文件进行划窗处理
对vcf文件进行滑窗处理,统计每个自定义大小窗口内的变异位点数量和多态性pi值。
# 对上述提取的sample.recode.vcf进行处理
vcftools --vcf sample.recode.vcf \
--window-pi 100 --window-pi-step 5
# 结果文件
# out.windowed.pi
参数说明:
–window-pi :指定窗口大小
–window-pi-step : 指定步长大小
4. vcftools去除和保留vcf中指定样本
# 只保留sample01和sample02样本变异信息
vcftools --vcf sample.vcf --recode --recode-INFO-all \
--stdout --indv sample01 --indv sample2 > out.vcf
# 去除sample01样本变异信息
vcftools --vcf sample.vcf --recode --recode-INFO-all \
--stdout --remove-indv sample01 > out.vcf
# 根据文本文件保留样本变异信息
vcftools --vcf sample.vcf --recode --recode-INFO-all \
--stdout --keep sample_name.txt > out.vcf
# sample_name.txt内容
# sample01
# sample02
参数说明:
–keep : 保留样品
–remove : 删除样品
5. vcftools计算vcf文件的snp缺失率
vcftools --vcf sample.snp.vcf \
--missing-indv --out sample
# 结果文件
# sample.imiss
vcftools --vcf sample.snp.vcf \
--missing-site --out sample
# 结果文件
# sample.lmiss
参数说明:
–missing-indv :统计每个样品的缺失情况,生成文件后缀为“.imiss”
–missing-site :统计每个snp位点的缺失情况,生成文件后缀为“.lmiss”
sample.imiss文件: 第1列为样品名称,第2列为总的snp数,第4列为缺失的总数,最后一列为缺失率。
sample.lmiss文件:前2列为snp所在染色体和位置,第3列为等位基因总数,第5列为缺失的总数,最后一列为缺失率。
6. vcftools在重测序中应用过滤实例
vcftools --gzvcf sample.vcf.gz --recode --recode-INFO-all --stdout \
--maf 0.05 --max-missing 0.4 --minDP 4 --maxDP 1000 \
--minQ 30 --minGQ 80 --min-alleles 2 --max-alleles 2 |gzip - > sample.clean.vcf.gz
生信软件文章推荐
生信软件1 - 测序下机文件比对结果可视化工具 visNano
生信软件3 - mapping比对bam文件质量评估工具 qualimap
生信软件4 - 拷贝数变异CNV分析软件 WisecondorX
生信软件7 - 多线程并行运行Linux效率工具Parallel
生信软件8 - bedtools进行窗口划分、窗口GC含量、窗口测序深度和窗口SNP统计
生信软件9 - 多公共数据库数据下载软件Kingfisher
生信软件10 - DNA/RNA/蛋白多序列比对图R包ggmsa
生信软件11 - 基于ACMG的CNV注释工具ClassifyCNV
生信软件12 - 基于Symbol和ENTREZID查询基因注释的R包(easyConvert )
生信软件13 - 基于sambamba 窗口reads计数和平均覆盖度统计
生信软件14 - bcftools提取和注释VCF文件关键信息
生信软件15 - 生信NGS数据分析强大的工具集ngs-bits
生信软件17 - 基于fasta文件的捕获探针设计工具catch
生信软件18 - 基于docker部署Web版 Visual Studio Code