GATK之SelectHeaders和RandomlySplitVariants
每天学点GATK，今天学习的是GATK变异位点操作工具(variant Manipulation Tools)。主要是SelectHeaders和RandomlySplitVariants。
SelectHeaders
功能： 从VCF文件中选择headers
分类： 变异位点操作工具
概要： VCF文件通常是拥有许多header信息的，但是实际上某些步骤不需要那么多信息，所以我们需要利用SelectHeaders进行选择。
输入： VCF文件
输出： 具有特定header的VCF文件
案例：
首先我们通过正则表达式看下有哪些headers，
$ bcftools view -h BC.bg_bwa_default.vcf \
| grep -E '^##[a-zA-Z]*?=' -o | uniq##fileformat=##FILTER=##samtoolsVersion=##samtoolsCommand=##reference=##contig=##ALT=##INFO=##FORMAT=##INFO=然后只提取FILTER, FORMAT, and INFO headers
java -jar $gatk -T SelectHeaders\
-R $reference -V BC.bg_bwa_default.vcf\
-o output.vcf\
-hn FILTER -hn FORMAT -hn INFO参数解释:
-T: 要用的GATK工具
-R： 参考基因组
-V： 输入的vcf文件
-o： 输出的vcf文件
-hn/—header_name 需要包括在内的header
其他一些比较好用的参数
—header_expression/-he: 通过正则表达式的方法选择header，如 -he ‘.SnpEff.‘就是选择所有的和snpEFF相似的headers
—exclude_header_name/-xl_hn： 剔除headers，也就是去掉那些不要的，流程的都是要的了。
注：默认添加了如下过滤模块：
- MalformedReadFilter
- BadCigarFilter
- UnmappedReadFilter
- NotPrimaryAlignmentFilter
- FailsVendorQualityCheckFilter
- DuplicateReadFilter
RandomlySplitVariants
功能： 随机分隔variant文件
分类： 变异位点操作工具
概要： 就是读取一个vcf文件，然后随机分割成多个文件。吐槽：功能还真是简单，也搞不懂是用来干嘛的，以后用到的时候，添加吧。
输入： VCF文件
输出： 新的VCF文件
案例：
java -jar GenomeAnalysisTK.jar \
-T RandomlySplitVariants \
-R reference.fasta \
-V input.vcf \
-o1 output_1.vcf \
-o2 output_2.vcf参数：
-o1/—out1 输出文件1
-o2/—out2 输出文件2
其他参数，如果希望输出不只是一个文件的话，则需要用到如下参数
—splitToManyFiles/-splitToMany : 默认是false, 参数为true，则输出多个文件，和-o1,-o2冲突
—numOfOutputVCFFiles/-N： 输出的文件数，默认是-1
另外—fractionToOut1/-fraction 可以决定第一个文件所在比例，
吐槽：这个命令运行时，一直出错，明明参数都一样，还报如下错
MESSAGE: Invalid command line:
Argument out1 or out2 has a bad value:
this value cannot be null (unprovided)
unless you are using the splitToMany option不过估计也也用不到，就不和他计较了。