如何修改bcftools norm --m-any拆分多等位基因位点的GT赋值行为？

bcftools的--m-any参数本身没有内置选项修改这种GT编码行为——它默认会把拆分后未涉及的等位基因对应位置设为REF（即0）。要实现你想要的效果，需要在拆分完成后用自定义脚本处理VCF文件，替换对应的GT值。

具体步骤 #

1. 先用bcftools完成多等位基因拆分：

   bcftools norm --m-any input.vcf -o split.vcf
   

2. 编写脚本修正GT值。这里提供一个awk脚本示例，针对你给出的场景（原REF=A，ALT=C/G）调整逻辑：

   BEGIN {OFS="\t"}
   /^#/ {print; next}
   {
       # 处理拆分出的A/C位点：把原GT中对应G的2替换为缺失值.
       if ($5 == "C") {
           for (i=10; i<=NF; i++) {
               gsub(/2/, ".", $i)
           }
       }
       # 处理拆分出的A/G位点：把原GT中对应C的1替换为缺失值.
       else if ($5 == "G") {
           for (i=10; i<=NF; i++) {
               gsub(/1/, ".", $i)
           }
       }
       print
   }
   

   保存为fix_gt.awk后运行：

   awk -f fix_gt.awk split.vcf > fixed.vcf
   

扩展说明 #

如果你的VCF有更多复杂的多等位基因位点，需要优化脚本逻辑：比如先从原VCF中提取每个位点的等位基因列表，再通过CHROM、POS、REF匹配拆分后的位点，动态判断哪些等位基因需要替换为缺失值。也可以结合bcftools的相关工具辅助，但核心还是需要自定义逻辑来修改GT字段。

内容的提问来源于stack exchange，提问作者gernophil