使用Gatk对1KGP数据（30x_GRCh38）vcf原始文件进行SNP位点过滤

一、任务介绍
最近在做一个基因补全（impution）的任务，使用的是千人基因组计划（1KGP_30x_GRCh38）的数据，这是目前为止最为精确的人类基因测序的基因序列数据。我所做的任务需要对基因突变位点进行过滤：保留SNP类型，除去SV类型。
二、过滤工具
GATK是一个十分方便的工具，可以直接安装到conda环境中，并且根据需求对vcf文件进行处理。关于我自己的过滤任务，我所使用到的指令是SelectVariant中的option，指令内容大致为：
gatk SelectVariants -V input.vcf --select-type-to-include SNP -O output.vcf
指令内容简单易懂，我就不具体解释了
三、报错内容以及解决方式
第一次尝试过滤vcf文件的时候，我使用的是1KGP_phase3中22号染色体的数据（vcf格式），第一次是可以正常筛选的。
在我使用1KGP_30x_GRCh38做相同操作的时候出现了以下报错：
其中报错的关键信息是：Unable to parse header with error: Your input file has a malformed header: Unexpected tag Type in line <ID=END2,Type=Integer,Number=1,Description=“Position of breakpoint on CHR2”>
大概意思就是，gatk在处理vcf文件的时候在读取头信息的时候出现了预期之外的一些标签属性。我尝试换数据、更换指令，等等都没有改善该情况。然后我发现了一篇文章和我一模一样的问题（附上链接：https://github.com/samtools/hts-specs/issues/642）
文章大概内容的意思就是，头信息中有多个tag，例如这条信息里面就是ID、Type、Number等等，他们的排列顺序是有一定规则的。
文章中有人给出了回答：

##INFO=`<ID=ID,Number=number,Type=type,Description="description",Source="description",Version="128">`

和我所处理的vcf文件中tag的顺序是有出入的（Number和Type的顺序是反了），所以我尝试更换一下vcf文件中tag的顺序通过以下指令：

sed -i ‘s/ID=END2,Type=\([^,]*\),Number=\([^,]*\)/ID=END2,Number=\2,Type=\1/g'  inputfile.vcf

在调换过顺序后重新运行了一下筛选指令，发现可以运行了！

简单吐槽一嘴：下载的是官方给的数据，这里面也能有错误也是绝了…