批量解压tar文件_批量提取基因上下游指定范围内的SNP标记

我们在研究过程中，经常需要提取基因附近指定范围内的SNP标记进行下一步的分析验证，如果用Excel一个一个去根据位置筛选会非常麻烦，所以小编写了一个小工具，帮助大家批量提取基因上下游指定范围内的SNP标记。使用工具前，我们需要先安装bedtools。

## 下载bedtools
wget -c https://github.com/arq5x/bedtools2/releases/download/v2.29.2/bedtools-2.29.2.tar.gz
## 解压
tar -zxvf bedtools-2.29.0.tar.gz
## 编译
cd bedtools2
make

之后把bedtools添加到环境变量中。

我们需要准备两个输入文件，一个是需要提取上下游SNP标记的基因。

第一列为染色体编号，第二列为基因起始位置，第三列为基因终止位置，第四列为基因编号。以制表符"Tab"分隔。

另一个文件就是包含标记信息的vcf文件。

准备好输入文件后，我们就可以开始提取标记啦！

## 下载
git clone https://github.com/biozhp/snp_get.git
## 进入目录
cd snp_get
## 提取标记
python ./snp_get.py -gene input.gene.txt -vcf snp.vcf -length 500000 -out out_prefix

-gene：输入包含基因位置的文件。

-vcf：输入包含标记的vcf文件。

-length：设置提取SNP标记的基因上下游范围。

-out：输出文件前缀。

运行完毕后会生成两个输出文件。

输出文件一的第一列表示标记，第二列表示该标记位于哪些基因的上下游。

输出文件二即为位于基因上下游标记的vcf文件。使用过程中有任何疑问，可以写在https://github.com/biozhp/snp_get/issues上，或者给我发邮件。