生信软件19 - vcftools高级用法技巧合辑

生信与基因组学

已于 2024-05-17 21:30:18 修改

阅读量1.3k

点赞数 22

分类专栏：生物信息学软件文章标签：数据挖掘数据分析 linux

于 2024-05-16 21:04:33 首次发布

本文链接：https://blog.csdn.net/LittleComputerRobot/article/details/138974033

版权

生物信息学软件专栏收录该内容

30 篇文章 7 订阅

订阅专栏

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

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

sample.recode.vcf

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
out.windowed.pi

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