1、vcf文件合并
(1)同样本vcf合并,这里的相同样本合并指的是不同的染色体,或者染色体区间。
使用方法 perl merge.pl list merge.vcf.gz
这里的list就是不同的染色体的vcf文件,如:
chr1:0-2000.vcf.gz
chr1:2001-4000.vcf.gz
chr3.vcf.gz
……
merge.pl
use strict;
use warnings;
open IN,"< $ARGV[0]" or die $!;
open OUT,'>:gzip',"$ARGV[1]" or die $!;
my $n=0;
while(<IN>){
chomp;
my $line=$_;
if($line=~m/\.gz/){
open VCF,"gunzip -dc $line | " or die $!;
}else{
open VCF,"< $line" or die $!;
}
$n++;
if($n==1){
while(<VCF>){
chomp;
print OUT "$_\n";
}
}
if($n>1){
while(<VCF>){
chomp;
my @aa=split /\t/;
next if($aa[0]=~/^#/);
print OUT "$_\n";
}
}
}
close VCF;
close IN;
close OUT;
这里也可以使用zcat或者cat的模式,但是我觉得这样太麻烦了。需要将head行进行处理。
(2)不同样本vcf合并
主要是的软件就是bcftools和gatk。
bcftools参考网址:http://vcftools.sourceforge.net/htslib.html#merge
一行简单的代码:
bcftools merge A.vcf.gz B.vcf.gz C.vcf.gz -Oz -o ABC.vcf.gz
这个软件使用起来较为麻烦,需要将原始的vcf转换为bgzip的压缩,之后再建立index,之后才能用于合并。
这里简单举一个例子,方便理解,如下
有两个文件,分别执行下面的命令:
gunzip file.vcf.gz
bgzip file.vcf
tabix -p vcf file.vcf.gz
这样两个文件的tbi索引就建立好了,直接执行:
bcftools merge file1.vcf.gz file2.vcf.gz -Oz -o merge.vcf.gz
容易出现的报错:vcf 没有进行排序就行进行index。必须是进行排序后的vcf才能进行。
除了使用bcftools,还可以使用gatk,但是gatk必须是4.0以下的版本才行。代码如下:
gatk -T CombineVariants -V file1.vcf.gz -V file2.vcf.gz -o merge.vcf.gz -R ref.fa
总结:这样相同样本合并和不同样本合并就都可以进行了,推荐使用GATK进行合并。