bcftools合并归一化VCF文件时出现Segmentation fault:11求助

问题背景 #

两个大VCF文件（文件1：590MB/4,732,099个变异；文件2：704MB/1,774,673个变异），直接用bcftools merge能正常完成合并，但经bcftools norm -m -both -f reference.fa.gz做左对齐、归一化和多等位基因拆分后，合并触发Segmentation fault:11。仅合并前1000条归一化变异时正常，设备为32GB内存的M2 Mac，ulimit -a显示内存相关限制均为unlimited。

排查与修复建议 #

1. 验证归一化文件的完整性与合法性 #

• 用bcftools stats检查文件格式，确认无解析错误：

  bcftools stats file1.norm.vcf.gz > file1.stats
  bcftools stats file2.norm.vcf.gz > file2.stats
  

  打开生成的stats文件，查看number of parse errors项，需确保数值为0。
• 手动重建tabix索引，避免索引与文件内容不匹配：

  tabix -p vcf file1.norm.vcf.gz
  tabix -p vcf file2.norm.vcf.gz
  

2. 调整merge参数规避内存/线程冲突 #

• 开启低内存模式，强制bcftools使用更保守的内存分配策略：

  bcftools merge --low-mem -o output.norm.vcf file1.norm.vcf.gz file2.norm.vcf.gz
  

• 限制线程数，M系列Mac的多线程机制可能引发内存访问冲突，先尝试单线程合并：

  bcftools merge -@ 1 -o output.norm.vcf file1.norm.vcf.gz file2.norm.vcf.gz
  

3. 升级bcftools版本 #

ARM架构（M系列）的旧版bcftools存在已知内存访问bug，先检查当前版本：

bcftools --version

如果版本低于1.17，用brew更新到最新稳定版：

brew update && brew upgrade bcftools

4. 分段定位异常变异区间 #

拆分归一化后的文件为小片段，逐步合并找到触发崩溃的区间：

# 按变异数拆分文件1为多个小片段
bcftools view -s 1-500000 file1.norm.vcf.gz -o file1.part1.vcf.gz -O z
bcftools view -s 500001-1000000 file1.norm.vcf.gz -o file1.part2.vcf.gz -O z
# 对应拆分文件2，逐个合并片段测试
bcftools merge file1.part1.vcf.gz file2.part1.vcf.gz -o test1.vcf

找到出错的片段后，继续缩小范围定位具体变异，排查是否为极端复杂变异（如超长INDEL、异常多等位基因）导致的崩溃。

5. 调整归一化参数排查 #

• 归一化时添加--no-version参数，避免版本信息写入引发隐性格式问题：

  bcftools norm --no-version -m -both -f reference.fa.gz file1.vcf.gz -o file1.norm.vcf.gz -O z
  

• 临时关闭多等位基因拆分，验证是否为拆分步骤触发的bug：

  bcftools norm -m none -f reference.fa.gz file1.vcf.gz -o file1.norm.no-split.vcf.gz -O z
  

如果此命令生成的文件能正常合并，说明是多等位基因拆分后的特定变异触发了bcftools的bug。

内容的提问来源于stack exchange，提问作者ABG