如何根据第一列拆分vcf.gz文件，将头保存在每个子集中并保存回vcf.gz文件

Question

我有一个大的vcf.gz文件(40 be )，为了能够加载到R中并在每个子集上运行一个脚本，我必须拆分它。我想把它分成第一列

zcat large_data.vcf.gz | cut -f1,2-5,8- | awk '{ print | ("gzip -c > " $1".vcf.gz") }'

但是我希望将头保存在每个子集中。标题不会保存到分裂的数据中(我认为它会这样做)。这可能是因为标题以#开头。

#col1  col2  col3  col4  col5  col6  col7  col8

我试过了

zcat large_data1.vcf.gz | cut -f1,2-5,8- | 
    awk 'NR == 1{header = $0; next} 
    !($1 in filename){ print header | (“gzip -c > “ $1 ".vcf.gz") } 
    NR > 1 { print $0 | (“gzip -c > “ $1 ".vcf.gz"); filename[$1] }' file

但有些地方出了问题..。

有什么想法吗？

PS：--过滤器不是公认的选项。

编辑:数据的一个示例

#col1  col2  col3  col4  col5  col6  col7  col8
1  100  100  100  1000  110  100  110
1  110  100  110  500  200  150  160
2  140  120  100  1000  110  160  210
2  110  180  170  700  220  150  120

所需数据1-

#col1  col2  col3  col4  col5  col6  col7  col8
1  100  100  100  1000  110  100  110
1  110  100  110  500  200  150  160

和2-

#col1  col2  col3  col4  col5  col6  col7  col8
2  140  120  100  1000  110  160  210
2  110  180  170  700  220  150  120

Answer 1

我刚刚使它与这段代码一起工作，但是它在每一行的顶部添加了标题。

zcat large_data.vcf.gz | 
cut -f1,2-5,8- | 
awk 'NR == 1{header = $0; next} 
!($1 in filename){ print header | "gzip > " $1 ".vcf.gz" } 
NR > 1 { print $0 | "gzip > " $1 ".vcf.gz" }'