使用bcftools合并vcf过程中遇到的问题与解决方案

首先因为我的vcf并不是标准的vcf，我用的这些vcf是通过python拼凑了几个call snp软件的结果，所以遇到了各种问题，开帖记录一下。

要对多个vcf文件进行合并，就是标准的压缩，做索引，然后merge：

bcftools view sample.vcf -Oz -o sample.vcf.gz
bcftools index sample.vcf.gz
bcftools merge sample1.vcf.gz sample2.vcf.gz sample3.vcf.gz ... -o merged.vcf

但是第一步就报错了：

[E::vcf_parse_format] Invalid character '.' in 'PL' FORMAT field at chrY:2730114
[E::vcf_parse_format] Invalid character '.' in 'PL' FORMAT field at chrY:2730134
Error: VCF parse error

提示格式有问题，于是把这两行拿出来看了一下


vcf里PL字段用的小数，但是header里却写的整数，于是把表头改改：

sed 's/ID=PL,Number=G,Type=Integer/ID=PL,Number=G,Type=Float/' sample.vcf > sample.vcf.new
bcftools view sample.vcf.new -Oz -o sample.vcf.gz

这下压缩时就没有报错了，接下来进行index

bcftools index sample.vcf.gz

[E::hts_idx_push] Unsorted positions on sequence #1: 59033730 followed by 2730114
index: failed to create index for "ERR3378452.vcf.gz"

然后说我的位置信息没排过序，于是再加上位置的排序：

grep "#" sample.vcf | sed 's/ID=PL,Number=G,Type=Integer/ID=PL,Number=G,Type=Float/' > sample.header
grep -v "#" sample.vcf | sort -k 2 -n > sample.body
cat sample.header sample.body > sample.new.vcf

./bcftools view sample.new.vcf -Oz -o sample.vcf.gz
./bcftools index sample.vcf.gz

然后就可以进行index了，把需要合并的样本名写到sample.list，加上合并其他样本的功能：

#/bin/bash

ls *.vcf | sed 's/.vcf//g' > sample.list

merge_sample=""    

for sampleid in $(cat sample.list)
do
    grep "#" $sampleid\.vcf | sed 's/ID=PL,Number=G,Type=Integer/ID=PL,Number=G,Type=Float/' > $sampleid\.header	
    grep -v "#" $sampleid\.vcf | sort -k 2 -n > $sampleid\.body
    cat $sampleid\.header $sampleid\.body > $sampleid\.new.vcf

    bcftools view $sampleid\.new.vcf -Oz -o $sampleid\.vcf.gz
    bcftools index $sampleid\.vcf.gz
    
	merge_sample=$merge_sample" "$sampleid".vcf.gz"
    rm $sampleid\.header
    rm $sampleid\.body
done

bcftools merge $merge_sample -o merged.vcf

然后运行sheel，以为完美运行，结果总有意想不到的事情发生：

sh merge_vcf.sh
Error: The INFO field is not defined in the header: AB

在merge时提示info里的AB字段在header中没有定义，我并不需要info字段里的东西，于是粗暴点，直接将info列填充了，在提取vcf内容时，将info列都打印小数点：

#/bin/bash

ls *.vcf | sed 's/.vcf//g' > sample.list

merge_sample=""    

for sampleid in $(cat sample.list)
do
    grep "#" $sampleid\.vcf | sed 's/ID=PL,Number=G,Type=Integer/ID=PL,Number=G,Type=Float/' > $sampleid\.header	
    grep -v "#" $sampleid\.vcf | sort -k 2 -n | awk '{print $1"\t"$2"\t"$3"\t"$4"\t"$5"\t"$6"\t"$7"\t.\t"$9"\t"$10}' > $sampleid\.body
    cat $sampleid\.header $sampleid\.body > $sampleid\.new.vcf

    bcftools view $sampleid\.new.vcf -Oz -o $sampleid\.vcf.gz
    bcftools index $sampleid\.vcf.gz
    
	merge_sample=$merge_sample" "$sampleid".vcf.gz"
    rm $sampleid\.header
    rm $sampleid\.body
done

bcftools merge $merge_sample -o merged.vcf

终于完美解决这种拼凑的vcf文件合并。