问题标签 [bcftools]

我正在与PLINK合作分析全基因组数据。

有谁知道如何删除重复的 SNP？

我正在尝试在 openSUSE 上安装 samtools，我这样做了：

工作得很好。

工作得很好。

对于 samtools：

产生这个输出：

我不明白为什么这行不通。我知道如何使工具工作，但我是 linuxOS 的新手。

嗨，我正在尝试使用 linkdatagen，这是一个基于 perl 的工具。它需要一个 vcf 文件（使用 SAMtools 的 mpileup）和一个 hapmap 注释文件（已提供）。我已按照说明进行操作，但在使用提供的 perl 脚本时，出现此错误。我使用的代码是：

Use of uninitiated value $chr in concatenation (.) or string at vcf2linkdatagentest.pl line 487, <IN> line 1....它一直在继续.. 我已经给作者发了邮件，还没有收到他们的消息。有人可以帮我吗？我究竟做错了什么？

perl 脚本是： http ://bioinf.wehi.edu.au/software/linkdatagen/vcf2linkdatagen.pl

HapMap 文件可以从下面提到的网站下载。
http://bioinf.wehi.edu.au/software/linkdatagen/

非常感谢

这是确切的命令

当我直接在 shell 中运行它时，它工作正常。
当我将它放入 bash 脚本时，它失败了

错误信息来自 bcftools 本身

[主要] 无法识别的命令。

脚本以 ascii 编码：

因此，当 bcftools 直接从提示接收但不在脚本内时，它会接受参数。就像提示符和脚本中的空格的解释方式不同

我完全知道可能已经发布了类似的问题，但是在搜索之后似乎我们问题的细节有所不同（或者至少我没有设法找到可以在我的情况下采用的解决方案）。

我目前有两个文件："messyFile"和"wantedID"。“messyFile”大小为80,000,000 X 2,500，而“wantedID”大小为1 x 462。在"messyFile"的第 253 行，有 2500 个 ID。但是，我想要的只是文件"wantedID"中的 462 个 ID 。假设 462 ID 是 2500 ID 的子集，我如何处理文件“messyFile”，使其仅包含有关 462 ID 的信息（即大小为80,000,000 X 462）。

非常感谢您的耐心等待！

ps：很抱歉造成混乱。但是，是的，这个问题可以归结为这样的事情。在"File#1"的第一行，有 10 个 ID。在"File#2"的第一行，有 3 个 ID（"File#2"仅包含 1 行）。3 个 ID 是 10 个 ID 的子集。现在，我希望处理"File#1"以便它只包含有关"File#2"中列出的 3 个 ID 的信息。

ps2：“messyFile”是一个vcf文件，而“wantedID”可以是一个文本文件（我说“可以”是因为它很小，所以我几乎可以为它制作任何类型）

ps3：“文件#1”应该是这样的：

“文件#2”应该是这样的：

所需的输出应如下所示：

我正在使用这个 sed 命令将字符串替换"##INFO=<ID="为"\t%"：

但我得到的正是我想要的输出，而不是反斜杠，它不打印任何东西。如果我删除 sed 命令中的单引号\t%INFO，它会自动标记输出，所以我也不希望这样。

我怎样才能逃避反斜杠，以便它只打印一个反斜杠？

我bcftools consensus用来从 vcf 文件中提取单倍型。给定输入文件：

创建以下输出文件：

我目前有两条规则可以做到这一点。它们的区别仅在于输出文件和 shell 命令中的数字 1 和 2。代码：

虽然这段代码有效，但似乎应该有一种更好、更 Pythonic 的方式来只使用一个规则来做到这一点。是否可以将其合并为一个规则，或者我目前的方法是最好的方法？

我有 1000 G PLINK 格式的数据集，有一些名称为"."的 snps，在 PLINK 中有什么方法可以删除该 snps？

我尝试了无法正常工作的 bcftool 视图。

我正在尝试在 shell/bash 脚本中编写一个 if-else 条件，该条件将用于许多不同的文件，因此它不适合某种结构。

我有三个不同的文件，并且从这些文件中的每个文件中选择了最多三个不同的变量，这些变量进入 if-else 语句。在我的脚本中，我在开头写了这个（可能可以用更好的方式写）如下：

例如，从这些文件中，可能会产生以下变量：

从这里开始，我编写了 if-else 语句（考虑到上述三个文件中可能缺少的变量）。为了理解它，尝试执行以下操作：

第一个条件：如果所有变量都不为空；第二个条件：如果第三个变量是唯一缺失的变量；第三个条件：如果第三个和第二个变量为空

每次我运行此脚本时，都应该生成 3 个文件，但有时并非如此。第一部分有效（对于所有变量都不为空的文件） - 但第二个和第三个条件似乎没有。我也尝试过分别指出缺失[ -z "${ANC3}" ]和[ -n "${ANC2}" ]非缺失，但这也不起作用。也试过[[ ]]比较[ ]，但还是一样。

有什么我明显遗漏的吗？

我正在尝试使用 bcftools 合并 3000 个细菌 bcf 文件。vcf 文件已使用 GATK 生成并转换为 bcf 并由 bcftools 索引。bcftools 继续分析 20% 的数据，但它一直过早终止并仅为部分变体生成合并的 bcf 文件（来自 2M 细菌基因组的高达 500kb）。我正在使用的代码是这样的：

输出错误是：

以前我对 400 个样本尝试了相同的命令，没有任何问题。

在线搜索，“当对变量的引用落在该变量所在的段之外，或者尝试写入只读段中的位置时，就会发生段错误”。该命令在为特定作业提供 80Gb 可用 RAM 的集群上运行。我不确定这个错误是由于 bcftools 软件本身的问题还是由于运行该命令的系统的限制？

这是用于复制错误的示例 bcf 文件 ( https://figshare.com/articles/BCF_file_segfault/7412864 )。该错误仅出现在大样本量中，因此我无法进一步减小样本量。