使用tabix创建索引并获取染色体区间信息

高通量测序产生的存放大量数据的文件往往十分庞大，即使是压缩文件，也有几十G到几百G，这样的文件获取其中某一区间信息的时候使用常用的Linux命令，例如grep awk等将非常耗时，这个时候，我们可以使用一些工具来创建索引并加快这个过程。

对于那些排序好的包含染色体号及位置信息的文件，常见的VCF文件/Bam文件/GFF文件/Bed文件等，我们可以使用一些特殊工具例如samtools index/bcftools index等去创建索引，如下所示

#为排序好且使用bgzip压缩的vcf文件建立索引
bcftools index -t foo.vcf.gz
#为bam文件创建索引
samtools index -t foo.bam

这些命令事实上就是调用了tabix进行的索引创建，针对那些更加一般的包含染色体号和位置信息的文件，我们就可以使用tabix去建立索引了。

如下图所示

#文件示例
$zcat tabix_test.gz|head
1	13273	G	C
1	13289	C	T
1	13372	G	C
1	13418	G	A
1	14610	T	C
1	14653	C	T
1	14673	G	C
1	14677	G	A
1	14699	C	G
1	14717	G	A

建立索引

tabix -f -s 1 -b 2 -e 2 -c Chrom tabix_test.gz

#-s 为染色体号的列，从1开始计算
#-b 为具体位置的开始列
#-e 为具体位置的结束列，这里开始于结束时同一列
# -c 为忽略以某个标识开头的行
# -f 覆盖已经有的索引