bcftools软件

bcftools 是用于处理 VCF/BCF 文件的工具。

sort

bcftools sort 命令就是将变异按照染色体和物理位置排序，最简单的例子如下，其中 -o 是输出文件名称。

bcftools sort input_file.vcf -o input_file_sorted.vcf

可以配合 -O （Output type）选项指定输出文件格式，有下面选项

• 压缩 BCF (b) ， 后缀为 .bcf
• 未压缩 BCF (u), 后缀也是 .bcf
• 压缩 VCF (z)
• 未压缩 VCF (v)

如果是生成 bcftools 使用的中间文件，建议一直使用 -Ou 选项，即未压缩的 BCF 格式，避免运行时无谓的压缩/解压缩操作，以及 VCF 和 BCF 转换过程。

举个例子，生成 vcf.gz 文件如下

bcftools sort input_file.vcf -Oz -o input_file_sorted.vcf.gz

index

基本所有分析第一步都是创建索引文件（除了需要 sort 的情况），类似于书籍的目录。

如果输入文件是 VCF 格式，那么我们首先需要将其压缩（bcftools index 只接受 vcf.gz 或 bcf 格式 ）。这里你可以使用 bgzip 命令，也可以使用 bcftools view

bgzip -c input_file.vcf > input_file.vcf.gz 

bcftools view input_file.vcf  -Oz -o input_file.vcf.gz

然后我们创建索引文件 (默认是 CSI 格式，可以使用 -t 选项创建 TBI 格式的索引)

bcftools index input_file.vcf.gz

对于 .bcf，bcftools index 也只接受压缩格式，如果使用 -Ou 格式（未压缩的 BCF），则会出现以下报错信息

$ bcftools index val_all_phased.bcf
[E::main_vcfindex] unknown filetype; expected bgzip compressed VCF or BCF
[E::main_vcfindex] was the VCF/BCF compressed with bgzip?

concat

用于合并相同样本的多个 VCF/BCF 文件（比如不同染色体的基因型），注意所有文件中的样本顺序必须报错一致，所有输入文件必须已经按照染色体和物理位置排序了，输入文件的顺序必须也得按照物理位置的顺序（比如从1号染色体到 18号染色体）

最简单的例子如下

bcftools concat input1.bcf input2.bcf -o output.vcf

也可以使用 -f 选项定一个包含输入文件路径的文本文件。

bcftools concat -f file_list.txt -o output.vcf

merge

合并样本不同（多个文件的样本号必须保证是不同的，不然会报错），位点相同的情况。

注意这个命令只能用 vcf.gz 和 bcf 文件，并且必须事先创建索引。

最简单的例子如下

bcftools merge input1.vcf.gz input2.vcf.gz -o output.vcf

也可以使用 -l 选项定一个包含输入文件路径的文本文件。

bcftools merge -l file_list.txt -o output.vcf

view

最简单的应用就是 VCF 和 BCF 格式的互相转换

bcftools view input.vcf -Ob -o output.bcf  # vcf to bcf

bcftools view input.bcf -Ov -o output.vcf  # bcf to vcf

filter

第一个功能是提取染色体片段，示例命令如下（这里的染色体是 Gm01 ，测试了可以接受这种异常的染色体名称）

bcftools filter test.vcf.gz --regions Gm01:1-1000 > test2.vcf

可以提取多条染色体的位点

bcftools filter test.vcf.gz --regions Gm01,Gm02 > test2.vcf

第二个功能是质控位点，下面是过滤位点缺失率大于 0.1 ， maf 小于 0.05 的位点（前提是 VCF 的 INFO 列中含有 F_MISSING 列）。

bcftools filter -e "F_MISSING > 0.1 ||  MAF < 0.05" input.vcf.gz -Oz -o output.vcf.gz

norm

将多等位碱基的位点拆分为多行

bcftools norm --multiallelics -both ${result}/Genotype.cohort.dbSNP.g.vcf \
   -Oz -o ${result}/Genotype.cohort.dbSNP.g.vcf.gz

参考文献

1. https://www.biocomputix.com/post/bcftools

2. bcftools 官方文档

3. bcftools常用命令详解