把含有多样本的vcf文件拆分

生信技能树

发布于 2018-09-21 16:31:52

3.2K0

发布于 2018-09-21 16:31:52

文章被收录于专栏：生信技能树

参考：https://www.biostars.org/p/224702/

非常多已经造好的轮子可以完成，包括bcftools，vcftools，还有大名鼎鼎的GATK，随便举例如下：

module load java/1.8.0_91
GENOME=/home/jianmingzeng/biosoft/GATK/resources/bundle/mm10/Mus_musculus/UCSC/mm10/Sequence/WholeGenomeFasta/genome.fa
INDEX=/home/jianmingzeng/biosoft/GATK/resources/bundle/mm10/Mus_musculus/UCSC/mm10/Sequence/BWAIndex/genome.fa
GATK=/home/jianmingzeng/biosoft/GATK/gatk-4.0.2.1/gatk


for sample in `bcftools query -l merge.snp.filter.vcf.gz`
do
$GATK  --java-options "-Xmx15G -Djava.io.tmpdir=./"  SelectVariants -R $GENOME -V merge.snp.filter.vcf.gz  -O split/${sample}.snp.vcf  
done

for sample in `bcftools query -l merge.indel.filter.vcf.gz`
do
$GATK  --java-options "-Xmx15G -Djava.io.tmpdir=./"  SelectVariants -R $GENOME -V merge.indel.filter.vcf.gz  -O split/${sample}.indel.vcf  
done

然后就可以批量进行统计

for i in *vcf  
do
echo  ${i%.*}  
java -jar  ~/biosoft/SnpEff/snpEff/snpEff.jar -csvStats ${i%.*}.stat.csv  -i vcf GRCm38.75 $i > ${i%.*}.eff.vcf
done

最后这些csv统计结果就可以使用multiqc来汇总及可视化。

参考：

安装snpEFF工具并对VCF文件进行注释【直播】我的基因组85

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2018-09-04，如有侵权请联系 cloudcommunity@tencent.com 删除

http