bcftools学习笔记(二)

本篇主要介绍annotate, concat, merge, isec, stats这五个命令。

1. annotate

annotate命令有两个用途，第一个是用于注释VCF文件，用法如下

bcftools annotate -a db.vcf -c ID,QUAL,+TAG view.vcf -o annotate.vcf

-a参数指定注释用的数据库文件，格式可以是VCF, BED, 或者是\t分隔的自定义文件。在\t分隔的自定义文件中，必须包含CHROM, POS字段；-c参数指定将数据库的哪些信息添加到输出文件中。

第二个用途是编辑VCF文件，比如去除其中的某些注释信息，或者去除某些样本，用法如下

bcftools annotate -x ID,INFO/DP,FORMAT/DP  view.vcf -o remove.id.vcf

-x参数表示去除VCF文件中的注释信息，可以是其中的某一列，比如ID, 也可以是某些字段，比如INFO/DP，多个字段的信息用逗号分隔；去除之后，这些信息所在的列并不会去除，而是用.填充。

2. concat

concat命令可以将多个VCF文件合并为一个VCF文件，要求输入的VCF文件必须是排序之后的，如果包含多个样本的信息，样本的顺序也必须一致。经典的应用场景包括合并不同染色体上的VCF文件，合并SNP和INDEL 两种类型的VCF文件，用法如下

bcftools concat merge.2.a.vcf.gz merge.3.a.vcf.gz -o -o merge.vcf

还需要注意一点，输入的VCF文件必须是经过bgzip压缩的文件。

3. merge

merge命令也是用于合并VCF文件，主要用于将单个样本的VCF文件合并成一个多个样本的VCF文件。用法如下

bcftools merge merge.a.vcf.gz merge.b.vcf.gz -o merge.vcf

该命令要求输入文件必须是经过bgzip压缩的文件， 而且还需要有.tbi的索引。

4. isec

isec用于在多个VCF文件之间取交集，差集，并集等操作，经典的应用场景是对多种软件的SNP calling 结果进行venn 分析。用法如下

bcftools isec A.vcf.gz B.vcf.gz -p dir

默认参数就是取交集，更多高级用法请参考帮助文档。

5. stats

stats命令用于统计VCF文件的基本信息，比如突变位点的总数，不同类型突变位点的个数等。用法如下

bcftools stats view.vcf >  view.stats

输出文件中记录了很多类型的统计数据，重点介绍以下几种

基本信息：

SN 0 number of samples: 3SN 0 number of records: 15SN 0 number of no-ALTs: 1SN 0 number of SNPs: 11SN 0 number of MNPs: 0SN 0 number of indels: 3SN 0 number of others: 0SN 0 number of multiallelic sites: 1SN 0 number of multiallelic SNP sites: 0

颠换和转换的比例：

# TSTV, transitions/transversions:# TSTV  [2]id  [3]ts  [4]tv  [5]ts/tv  [6]ts (1st ALT) [7]tv (1st ALT) [8]ts/tv (1st ALT)TSTV  0  8  3  2.67  8  3  2.67

Indel 长度分布:

# IDD, InDel distribution:# IDD [2]id [3]length (deletions negative) [4]countIDD 0 -2 1IDD 0 1 2IDD 0 3 1

碱基替换类型：

# ST, Substitution types:# ST [2]id [3]type [4]countST 0 A>C 0ST 0 A>G 0ST 0 A>T 0ST 0 C>A 1ST 0 C>G 0ST 0 C>T 4ST 0 G>A 1ST 0 G>C 1ST 0 G>T 1ST 0 T>A 0ST 0 T>C 3ST 0 T>G 0

输出文件可以用于plot-vcfstats命令，进行可视化, 这个脚本位于bcftools安装目录的misc目录下。用法如下

plot-vcfstats view.stats -p output

-p参数指定输出结果的目录，这个脚本依赖latex 生成pdf 文件，所以系统上的latext 一定要安装好。

输出目录下文件很多，详细列表如下

├── counts_by_af.indels.dat├── counts_by_af.snps.dat├── depth.0.dat├── depth.0.pdf├── depth.0.png├── indels.0.dat├── indels.0.pdf├── indels.0.png├── plot.py├── plot-vcfstats.log├── substitutions.0.pdf├── substitutions.0.png├── summary.aux├── summary.log├── summary.pdf├── summary.tex├── tstv_by_af.0.dat└── tstv_by_qual.0.dat

主要看summary.pdf文件就可以了，该文件包含了很多信息

1.不同类型的突变位点汇总

2.插入缺失长度分布图

3.测序深度分布

4.碱基转换类型分布