文章目錄

• • @[toc]
  • 一、合并VCF的常用命令
  • • 1.1 合并多個bgzip壓縮的VCF文件
    • 1.2 使用文件列表合并
  • 二、合并前的準備與注意事項
  • • 2.1 文件格式要求
    • 2.2 樣本名唯一性
    • 2.3 檢查文件模式匹配
  • 三、常見報錯與解決方法
  • • 3.1 報錯：`Error: Duplicate sample names (sample1), use --force-samples to proceed anyway.`
    • 3.2 報錯：`Could not retrieve index file for ...`
  • 四、自動化腳本推薦
  • • 4.1 檢查并轉換VCF為bgzip格式
    • 4.2 檢查重復樣本并生成唯一文件列表
    • 4.3 合并并生成統計
  • 五、合并后格式轉換與統計
  • • 5.1 轉換為TXT表格
    • 5.2 統計每個樣品的SNP數
  • 六、總結

在群體遺傳學、RAD-seq等高通量測序分析中，常常需要將多個樣品的VCF文件合并為一個群體VCF文件，便于后續的群體變異分析、PCA、GWAS等。本文以bcftools為例，詳細介紹多樣品VCF合并的標準流程、常見報錯及解決方法，并附帶自動化腳本工具。

---

一、合并VCF的常用命令

1.1 合并多個bgzip壓縮的VCF文件

其實一般常見做法是使用gatk CombineGVCFs命令將g.vcf.gz格式的各個樣品進行合并后再進行質控，過濾。但是實際情況是沒有過濾的snp文件較大，再加上如果做群體遺傳分析，樣品較多，合并環節就相當耗費時間。因此，這里選擇將過濾后的vcf.gz文件使用bcftools進行合并，可以大大縮短合并時間，提升分析效率。

bcftools merge -Oz -o merged_filtered_snps.vcf.gz sample1.vcf.gz sample2.vcf.gz sample3.vcf.gz
tabix -p vcf merged_filtered_snps.vcf.gz

1.2 使用文件列表合并

當樣品較多時，推薦先生成一個文件列表：

ls aa*/aa*_filtered.vcf.gz > vcf_list.txt
bcftools merge -Oz -o merged_filtered_snps.vcf.gz -l vcf_list.txt
tabix -p vcf merged_filtered_snps.vcf.gz

---

二、合并前的準備與注意事項

2.1 文件格式要求

• 必須為bgzip壓縮格式（.vcf.gz），且有.tbi索引文件。
• 可用如下命令檢查和轉換：

  bgzip sample.vcf
  tabix -p vcf sample.vcf.gz
  

2.2 樣本名唯一性

• 每個VCF文件的樣本名必須唯一，不能有重復。
• 可用如下命令檢查樣本名：

  bcftools query -l sample1.vcf.gz
  

2.3 檢查文件模式匹配

• 避免通配符匹配到同一樣本的多個文件（如sample1_filtered.vcf.gz和sample1_tmp_filtered.vcf.gz）。
• 推薦只保留每個樣本的最終過濾文件。

---

三、常見報錯與解決方法

3.1 報錯：Error: Duplicate sample names (sample1), use --force-samples to proceed anyway.

原因：合并的VCF文件中有重復的樣本名。

解決方法：

• 檢查文件列表，確保每個樣本只出現一次。
• 可用如下腳本自動檢查并生成唯一文件列表：

# scripts/check_duplicate_samples.py
# 用法：python scripts/check_duplicate_samples.py 'aa*/aa*_filtered.vcf.gz' unique_vcf_list.txt

• 合并時用唯一文件列表：

  bcftools merge -Oz -o merged_filtered_snps.vcf.gz -l unique_vcf_list.txt
  

3.2 報錯：Could not retrieve index file for ...

原因：缺少.tbi索引文件。

解決方法：

tabix -p vcf sample.vcf.gz

---

四、自動化腳本推薦

4.1 檢查并轉換VCF為bgzip格式

# scripts/check_and_convert_vcf.py
# 用法：python scripts/check_and_convert_vcf.py 'aa*/aa*_filtered.vcf*'

4.2 檢查重復樣本并生成唯一文件列表

# scripts/check_duplicate_samples.py
# 用法：python scripts/check_duplicate_samples.py 'aa*/aa*_filtered.vcf.gz' unique_vcf_list.txt

4.3 合并并生成統計

bcftools merge -Oz -o merged_filtered_snps.vcf.gz -l unique_vcf_list.txt
tabix -p vcf merged_filtered_snps.vcf.gz
bcftools stats merged_filtered_snps.vcf.gz > merged_stats.txt

---

五、合并后格式轉換與統計

5.1 轉換為TXT表格

# scripts/vcf_to_txt.py
# 用法：python scripts/vcf_to_txt.py merged_filtered_snps.vcf.gz

5.2 統計每個樣品的SNP數

# scripts/count_snp_per_sample.py
# 用法：python scripts/count_snp_per_sample.py merged_filtered_snps.vcf.gz

---

六、總結

• 合并VCF前請確保每個樣品只保留一個最終VCF文件，且為bgzip格式并有索引。
• 合并時推薦用文件列表，避免通配符誤操作。
• 遇到重復樣本名、缺少索引等報錯時，優先檢查文件列表和文件格式。
• 可用Python腳本自動化檢查、轉換和統計，提升效率。

如需腳本源碼或Snakemake自動化流程，可私信或評論獲取！

---

🌟 非常感謝您抽出寶貴的時間閱讀我的文章。如果您覺得這篇文章對您有所幫助，或者激發了您對生物信息學的興趣，我誠摯地邀請您：

👍 點贊這篇文章，讓更多人看到我們共同的熱愛和追求。

🔔 關注我的賬號，不錯過每一次知識的分享和探索的旅程。

📢 您的每一個點贊和關注都是對我最大的支持和鼓勵，也是推動我繼續創作優質內容的動力。

📚 我承諾，將持續為您帶來深度與廣度兼具的生物信息學內容，讓我們一起在知識的海洋中遨游，發現更多未知的奇跡。

💌 如果您有任何問題或想要進一步交流，歡迎在評論區留言，我會盡快回復您。