由于输入无效，无法使用bcftools对VCF进行排序。

Question

我试图压缩和索引一个VCF文件，并面临几个问题。

1. 当我使用bgzip/tabix时，它会抛出一个错误，说明由于一些未排序的值，不能对其进行索引。

# code used to bgzip and tabix
bgzip -c fn.vcf > fn.vcf.gz
tabix -p vcf fn.vcf.gz

# below is the error returnd
[E::hts_idx_push] Unsorted positions on sequence #1: 115352924 followed by 115352606
tbx_index_build failed: fn.vcf.gz

1. 当我使用bcftools sort对这个VCF进行排序以处理#1时，它会引发一个错误，原因是条目无效.

# code used to sort 
bcftools sort -O z --output-file fn.vcf.gz fn.vcf

# below is the error returned
Writing to /tmp/bcftools-sort.YSrhjT
[W::vcf_parse_format] Extreme FORMAT/AD value encountered and set to missing at chr12:115350908
[E::vcf_parse_format] Invalid character '\x0F' in 'GT' FORMAT field at chr12:115352482
Error encountered while parsing the input
Cleaning

1. 我尝试使用linux命令进行排序以绕过#2。然而，当我运行下面的代码时，fout.vcf的大小几乎是fin.vcf的一半，这表明可能出了什么问题。

grep "^#" fin.vcf > fout.vcf
grep -v "^#" fin.vcf | sort -k1,1V -k2,2n >> fout.vcf

请让我知道你是否有任何建议：

• 如何以一种安全和可行的方式对VCF中的问题输入进行排序/修复。(文件为340 g，所以我不能简单地打开文件并编辑。)
• 为什么我的linux sort可能会以一种奇怪的方式运行。(即返回比原始文件小得多的文件)

如有任何意见或建议，敬请见谅！

Answer 1

尝尝这个

mkdir tmp ##1 create a tmp folder in your working directory
tmp=/yourpath/ ##2 assign the tmp folder
bcftools sort file.vcf -T ./tmp -Oz -o file.vcf.gz

在对文件进行排序之后，可以对文件进行索引。

bcftools index file.vcf.gz