matlab读取snp文件,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：

1 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 27639chr160383chr260469chr360516chr460534

后续命令如下，速度快，内存消耗还小：

1 bgzip test.vcf2 tabix -p vcf test.vcf.gz3 bcftools view -R chr_pos.list test.vcf.gz >new.pos.vcf

三、直接提取测序个体样品名

1 bcftools query -l test.vcf >ind.list

1 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

原文：https://www.cnblogs.com/mmtinfo/p/11945592.html