GATK之SelectHeaders和RandomlySplitVariants

每天学点GATK，今天学习的是GATK变异位点操作工具(variant Manipulation Tools)。

SelectHeaders

功能： 从VCF文件中选择headers
分类： 变异位点操作工具
概要： VCF文件通常是拥有许多header信息的，但是实际上某些步骤不需要那么多信息，所以我们需要利用SelectHeaders进行选择。

输入： VCF文件
输出： 具有特定header的VCF文件

案例：
首先我们通过正则表达式看下有哪些headers，

$ bcftools view -h BC.bg_bwa_default.vcf | grep -E '^##[a-zA-Z]*?=' -o | uniq
##fileformat=
##FILTER=
##samtoolsVersion=
##samtoolsCommand=
##reference=
##contig=
##ALT=
##INFO=
##FORMAT=
##INFO=

然后只提取FILTER, FORMAT, and INFO headers

java -jar $gatk -T SelectHeaders\
    -R $reference -V BC.bg_bwa_default.vcf\
    -o output.vcf\
    -hn FILTER -hn FORMAT -hn INFO

参数解释:
-T: 要用的GATK工具
-R： 参考基因组
-V： 输入的vcf文件
-o： 输出的vcf文件
-hn/--header_name 需要包括在内的header

其他一些比较好用的参数
--header_expression/-he: 通过正则表达式的方法选择header，如 -he '.SnpEff.'就是选择所有的和snpEFF相似的headers
--exclude_header_name/-xl_hn： 剔除headers，也就是去掉那些不要的，流程的都是要的了。

注：默认添加了如下过滤模块：

• MalformedReadFilter
• BadCigarFilter
• UnmappedReadFilter
• NotPrimaryAlignmentFilter
• FailsVendorQualityCheckFilter
• DuplicateReadFilter

RandomlySplitVariants

功能： 随机分隔variant文件
分类： 变异位点操作工具
概要： 就是读取一个vcf文件，然后随机分割成多个文件。吐槽：功能还真是简单，也搞不懂是用来干嘛的，以后用到的时候，添加吧。

输入： VCF文件
输出： 新的VCF文件

案例：

 java -jar GenomeAnalysisTK.jar \
   -T RandomlySplitVariants \
   -R reference.fasta \
   -V input.vcf \
   -o1 output_1.vcf \
   -o2 output_2.vcf

参数：
-o1/--out1 输出文件1
-o2/--out2 输出文件2

其他参数，如果希望输出不只是一个文件的话，则需要用到如下参数
--splitToManyFiles/-splitToMany : 默认是false, 参数为true，则输出多个文件，和-o1,-o2冲突
--numOfOutputVCFFiles/-N： 输出的文件数，默认是-1
另外--fractionToOut1/-fraction 可以决定第一个文件所在比例，

吐槽：这个命令运行时，一直出错，明明参数都一样，还报如下错

MESSAGE: Invalid command line: Argument out1 or out2 has a bad value: this value cannot be null (unprovided) unless you are using the splitToMany option

不过估计也用不到，就不和他计较了。