借助Slurm数组任务为VCF文件生成含样本名与Pos值的ID列

需求说明 #

原制表符分隔的VCF文件初始列为Chrom、Pos，需调整为Chrom、ID、Pos三列，其中ID格式为样本名_Pos值；136个样本名存储于IDs.txt，通过Slurm数组任务按ID提取对应样本名。

修正后的Slurm+Awk解决方案 #

调整Slurm脚本，将提取到的样本名传递给Awk，实现ID列的拼接与插入：

#!/bin/bash --login
#SBATCH --array=1-136

EXOME_IDs_FILE=/home/IDs.txt
# 获取当前数组任务对应的样本名
SAMPLE_NAME=$(sed -n "${SLURM_ARRAY_TASK_ID}p" "$EXOME_IDs_FILE")

# 处理VCF文件，生成带样本名后缀的新文件（避免批量任务覆盖）
awk -v sample="$SAMPLE_NAME" 'BEGIN{FS=OFS="\t"} 
# 处理表头行
NR==1 {
    print $1, "sample_variantpos_ID", $2
}
# 处理数据行，拼接样本名与Pos值作为ID
NR>1 {
    print $1, sample "_" $2, $2
}' original_file.vcf > "${SAMPLE_NAME}_modified.vcf"

关键说明 #

1. 传递样本名到Awk：通过-v sample="$SAMPLE_NAME"将Bash变量传入Awk，解决之前无法获取样本名的问题
2. 表头处理：直接输出调整后的三列表头
3. 数据行拼接：用sample "_" $2实现样本名与Pos列（$2）的拼接，生成符合要求的ID
4. 避免文件覆盖：输出文件添加样本名后缀，适合Slurm批量任务场景

可选：直接修改原文件（不推荐） #

如果需要直接覆盖原VCF文件，可使用临时文件中转：

#!/bin/bash --login
#SBATCH --array=1-136

EXOME_IDs_FILE=/home/IDs.txt
SAMPLE_NAME=$(sed -n "${SLURM_ARRAY_TASK_ID}p" "$EXOME_IDs_FILE")

awk -v sample="$SAMPLE_NAME" 'BEGIN{FS=OFS="\t"} 
NR==1 {
    $1 = $1 OFS "sample_variantpos_ID"
}
NR>1 {
    $1 = $1 OFS sample "_" $2
}1' file.vcf > tmp && mv tmp file.vcf

内容的提问来源于stack exchange，提问作者Amy Houseman