VCFTOOLS基本说明

vcftools为专门处理vcf/bcf文件而生，此工具能处理VCF数据包括：过滤(filter), ；变异位点的基本统计；数据格式的转换；多个vcf文件的比较（compare files）；集合运算。

目前常用版本v0.1.16。官方网站[https://vcftools.github.io/index.html]

vcftools [ –vcf/gzvcf/bcf FILE ] [ –out OUTPUT PREFIX ] [ FILTERING OPTIONS ] [ OUTPUT OPTIONS ]

输入参数

• --vcf
• --gzvcf输入gz压缩的vcf文件
• --bcf

输出

• -out 输出文件
• --stdout/-c标准输入，可后接管道操作
• --temp指定输出目录

过滤参数

1. 根据位置进行过滤

   • --chr, --not-chr指定过滤选择某染色体，可多次使用
   • --from-bp INT, --to-bp，需和–chr一起使用，指定区域
   • --positions FILE,--exclude-positions接tab分割的多个坐标位置文件
   • --bed FILE,--exclude-bed根据BED文件进行过滤

2. 根据指定ID位点过滤

   • --snp 根据vcf文件第三列ID列的snp名进行过滤。
   • --snps FILE, --exclude根据ID文件进行过滤

3. 变异类型过滤

   • --keep-only-indels
   • --remove-indels即保留或去除SNP，留下INDEL。

4. 根据VCF文件第七列FILTER进行过滤

   • --remove-filterer-allFILTER列除了PASS保留，其余都过滤
   • --keep-filtered,--remove-filtered保留或去除特定FILTER标签。可多次使用。

5. 根据vcf第八列INFO进行过滤

   • --keep-INFO
   • --remove-INFO根据INFO列的指定tag进行过滤

6. 根据ALLEL进行过滤

   • --maf,--max-maf Minor Allele Frequency二等位基因频率进行过滤，常为–maf 0.05，保留大于0.05的。
   • --non-ref-af,--non-ref-ac…. 保留都是ALT变异的位点。
   • --mac INT,--max-mac 保留Minor Allel Count数大于INT数的位点
   • --min-alleles 2, --max-alleles 2筛选保留含有2个ALT变异的位点。常用。

7. 根据基因型GENOTYPE数值进行过滤

   • --min-meanDP,--max-meanDP根据平均覆盖深度进行过滤。–min-meanDP 3
   • --hwe哈温平衡检测，根据pvalue值进行过滤，保留值以内的。–hwe 0.01
   • --max-missing常用，缺失率，0为接受完全缺失，1为接受数据全都存在。一般0.8
   • --max-missing-count INT缺失的个体数目超过INT，即被过滤。
   • --phased 删除unpased位点
   • --minQ 保留Quality值大于INT的位点。

8. 对样品个体进行过滤

   • --indv, --remove-indv保留或删除指定样本
   • --keep FILE,--remove 保留/删除多个体的文件
   • --max-indv INT随机保留INT数目的样本。

9. 基因型过滤

   • --remove-filtered-geno-all, --remove-filtered-geno 保留/删除 FILTER FLAG的位点。
   • --minGQ 删除GQ值低于数值的位点
   • --minDP,--maxDP保留覆盖率min~max范围内的位点。

计算统计参数

1. 输出变异位点的计算统计
   • --freq, --freq2输出每个等位基因位点的频率。
   • --counts,位点数目的统计
2. 位点覆盖深度Depth统计
   • depth输出每个个体的平均覆盖度，以idepth文件展示
   • --site-depth,--site-mean-depth每个位点的所有个体深度
   • --geno-depth每个基因型的覆盖深度文件
3. LD计算(Linkage Disequilibrium)
   • --hap-r2同时输出r^2值, D值和D’值。传统LD值计算方法，输出hap.ld
   • --geno-r2，方法同PLINK软件，计算squared correlation coefficient，输出geno.ld
   • --geno-chisq,
   • --hap-r2-positions FILE, --geno-r2-positions FILE和已有文件中的点做LD计算
   • --ld-window INT LD计算的最大SNP数目，即LD-window。 --ld-window-min最小数目
   • --ld-window-bp INT LD计算窗口的实际物理距离。--ld-window-bp-min
   • --min-r2小于r2相关系数值将不被展示
   • --interchrom-hap-r2, --interchrom-geno-r2跨染色体的r2值计算。
4. Ts/Tv计算(transition/transversion )
   • TsTv INT 计算INT值内的TsTv值，输出TsTv文件
   • TsTv-summaryTsTv值计算统计。
   • --TsTv-by-count, --TsTv-by-qual 计算tstv率。
   • --FILTER-summary添加到T值到FILTER列中
5. 核酸多样性统计
   • --site-pi计算所有位点的多样性值
   • --window-pi, --window-pi-step计算窗口中的核酸多样性值
6. FST计算
   • --weir-fst-pop FILE:file must contain a list of individuals (one individual per line) from the VCF file that correspond to one population，可多次，生成weir.fst文件
   • --fst-window-size, --fst-window-step FSTc滑动窗口计算，重测序一般2kb-10kb
7. 其它计算
   • --het Calculates a measure of heterozygosity on a per-individual basis.
   • --hardy 每个位点的哈温平衡计算的Pvalue。
   • --TajimaD INT Tajima’s D 计算
   • --indv-freq-burden：calculates the number of variants within each individual of a specific frequency.
   • --LROH Long Runs of Homozygosity
   • --relatedness, --relatedness2 计算relatedness statistic
   • --site-quality提取VCF文件中每个位点的QUAL信息
   • --missing-indv计算每个样本的缺失率，输出imiss
   • --missing-site计算每个位点的缺失率。
   • --SNPdensity INT 一定窗口内的SNP数目和频率
   • --kept-sites,--remove-sites 通过过滤的位点到另一文件kept.sites文件,removed.sites中
   • --singletons detailing the location of singletons
   • --hapcount BED output the number of unique haplotypes within user specified bins.
   • --mendel PED report mendel errors identified in trios.
   • --extract-FORMAT-info <STRING> 提取format列中的指定TAG
   • --get-INFO <string> 提取INFO列中信息

输出格式转换

1. 输出参数
   • --recode输出.recode.vcf新文件
   • --recode-INFO-all保留所有的INFO信息
2. 格式转换
   • --012 012矩阵文件
   • --IMPUTE impute文件
   • --ldhat-geno --ldhat LDhat格式。
   • --BEAGLE-GL, --BEAGLE-PL
   • --plink, --plink-tped, --chrom-mapPLINK格式

两个VCF文件的比较操作

1. 另外一个VCF文件的输入
   • --diff,--gzdiff,--diff-bcf FILE
   • --not-chr不同的chr跳过
2. 比较参数
   • --diff-site Outputs the sites that are common / unique to each file
   • --diff-indv 不同的个体样本
   • --diff-site-discordance, --diff-indv-discordancecalculates discordance on a site by site basis.
   • --diff-indv-map <filename> 指定ID文件进行比较
   • --diff-discordance-matrix calculates a discordance matrix
   • --diff-switch-error calculates phasing errors