bcftools学习笔记

软件简介

bcftools 是一个用于操作和处理 VCF/BCF 文件的软件工具集。它是 samtools 工具集的一部分，用于对比对后的 BAM 文件进行 SNP 和 Indel 的检测。bcftools 可以用于 SNP 和 Indel 的过滤、注释、统计和可视化等操作。

安装方式

bcftools 可以通过以下两种方式进行安装：

1. 通过源代码安装

从 bcftools 的官方网站 http://www.htslib.org/download/ 下载最新的源代码包。解压后进入解压后的目录，运行以下命令进行编译和安装：

./configure
make
sudo make install

2. 使用包管理器安装

bcftools 可以通过包管理器进行安装，如使用 Ubuntu 系统可以通过以下命令进行安装：

sudo apt-get install bcftools

使用方法

1. 查看 VCF/BCF 文件信息

bcftools view 命令可以用于查看 VCF/BCF 文件的信息，如查看文件头信息：

bcftools view -h file.vcf

查看文件中的 SNP 和 Indel 信息：

bcftools view -v snps file.vcf
bcftools view -v indels file.vcf

2. 过滤 SNP 和 Indel

bcftools filter 命令可以用于过滤 SNP 和 Indel，如过滤掉 quality 值低于 20 的 SNP：

bcftools filter -i '%QUAL>20' file.vcf > filtered.vcf

3. 统计 SNP 和 Indel

bcftools stats 命令可以用于统计 SNP 和 Indel 的信息，如统计文件中 SNP 和 Indel 的数量：

bcftools stats file.vcf > stats.txt

4. 注释 SNP 和 Indel

bcftools annotate 命令可以用于注释 SNP 和 Indel，如注释 dbSNP 中的 rsID：

bcftools annotate -a dbsnp.vcf -c ID file.vcf > annotated.vcf

5. 可视化 SNP 和 Indel

bcftools view 命令可以用于可视化 SNP 和 Indel，如将文件中的 SNP 和 Indel 可视化为 HTML 文件：

bcftools view -H -v snps file.vcf | vcfutils.pl varFilter -d 5 > filtered.vcf
bcftools view -H -v indels file.vcf | vcfutils.pl varFilter -d 5 >> filtered.vcf
bcftools stats filtered.vcf > stats.txt
plot-vcfstats -p plots/ stats.txt

核心功能

• bcftools view

用于查看VCF文件的内容，包括样本信息、位点信息、注释信息等

• bcftools query

用于提取VCF文件中的信息，可以根据需要选择提取特定的字段或样本信息

• bcftools stats

用于生成VCF文件的统计信息，包括变异类型、变异频率、基因型质量等

• bcftools merge

用于合并多个VCF文件

• bcftools norm

用于对VCF文件进行规范化处理，包括拆分多等位位点、合并相邻位点等

• bcftools annotate

用于给VCF文件添加注释信息

参数解释

bcftools 命令中常用参数：

• -f: 用于指定参考基因组文件。
• -i: 用于进行过滤，只保留符合条件的位点或样本信息。
• -c: 用于对VCF文件进行压缩，提高文件的存储和传输效率。
• -g: 用于将VCF文件转换为BGZF格式，提高文件的存储和传输效率。
• -O: 用于指定输出文件格式，可选的格式有VCF、BCF、BAM等。
• -s: 用于指定需要处理的样本信息。
• -R: 用于指定需要处理的区域。

实战演练

首先利用bcftools软件将vcf格式生成gz格式和inde索引格式，因为bcftools的输入文件有这两项，需要用到“-Oz”和“index”命令，具体如下：

bcftools view ExAC.vcf -Oz -o ExAC.vcf.gz
bcftools index ExAC.vcf.gz

拆分、筛选、合并

使用bcftools可以方便地对VCF.gz文件进行拆分、筛选和合并，以下是具体的命令：

1. 拆分VCF.gz文件

使用bcftools的split命令可以将一个VCF.gz文件拆分为多个小的VCF.gz文件，每个文件包含指定数量的记录。例如，将一个VCF.gz文件按照每个文件包含1000个记录的标准拆分，可以使用以下命令：

bcftools split -O z -o out.vcf.gz -l 1000 file.vcf.gz

其中，-O z选项指定输出文件的格式为.gz压缩的VCF格式，-o选项指定输出文件名的前缀，%02d表示输出文件名中的序号，-l选项指定每个输出文件包含的记录数量。

2. 筛选VCF.gz文件

使用bcftools view命令可以根据需要筛选VCF.gz文件中的记录。例如，筛选出染色体为chr1且位置在1000000到2000000之间的记录，可以使用以下命令：

bcftools view -O z -o output.vcf.gz file.vcf.gz chr1:1000000-2000000

其中，-O z选项指定输出文件的格式为.gz压缩的VCF格式，-o选项指定输出文件名为output.vcf.gz，chr1:1000000-2000000表示需要筛选的区间。

3. 合并VCF.gz文件

使用bcftools的merge命令可以将多个VCF.gz文件合并为一个文件，例如：

bcftools merge -O z -o merged.vcf.gz file1.vcf.gz file2.vcf.gz file3.vcf.gz

其中，-O z选项指定输出文件的格式为.gz压缩的VCF格式，-o选项指定输出文件名为merged.vcf.gz，后面跟着需要合并的多个VCF.gz文件名。

提取指定样本的变异信息

准备样本ID文件，这里命名为sample.txt，一个样本一行，然后使用下列参数修改：

bcftools view -S sample.txt ordata.vcf.gz -Ov > sampleout.vcf

修改vcf文件的样本名称

使用bcftools的 rehead指令，sample.file 是指定要替换的样本名（包含两列，分别是新名称和旧名称）

bcftools reheader -s sample.file old.vcf -o new.sample.vcf

修改vcf.gz染色体编号方式

nohup bcftools annotate --rename-chrs chr_id.txt xx.vcf.gz -Oz -o xxx.vcf.gz --threads 23 &

统计vcf中样品和位点数量

方法：bcftools +counts xxx.vcf

$ bcftools +counts Chr.recode.vcf
Number of samples: 2232
Number of SNPs:    698763
Number of INDELs:  44021
Number of MNPs:    0
Number of others:  0
Number of sites:   742784

提取vcf文件中的GT信息

bcftools annotate -x 'fmt' -O z -o out.vcf.gz in.vcf.gz

从VCF中提取区域的数据

每次需要修改的是染色体和位置信息，用regions参数传递，命令如下：

bcftools filter xx.vcf.gz --regions chr1A:5000-50900 > chr1A_5000-5090.vcf

参考资料：

https://www.jianshu.com/p/99895c7338b2
https://www.jianshu.com/p/266c55c87978
http://samtools.github.io/bcftools/bcftools.html
https://www.biostars.org/p/95013/

本文由mdnice多平台发布