Linux下提取VCF文件指定字段计算后生成新CSV列的方法

直接用awk完成处理，不需要额外安装工具，命令如下：

awk '
BEGIN {
    FS = "\t"
    OFS = "\t"
    print "DP", "Ratio"
}
/^#/ { next }
{
    split($9, fmt, ":")
    for (i in fmt) {
        if (fmt[i] == "AD") ad_idx = i
        if (fmt[i] == "DP") dp_idx = i
    }
    split($NF, sample, ":")
    split(sample[ad_idx], ad, ",")
    dp = sample[dp_idx]
    ratio = sprintf("%.2f", ad[2]/(ad[1]+ad[2]))
    print dp, ratio
}
' input.vcf > output.csv

使用说明 #

• 自动跳过VCF所有#开头的头注释行，第一行输出要求的DP、Ratio表头
• 自动识别FORMAT列中AD、DP的位置，不依赖固定字段顺序，适配不同格式的VCF文件
• 严格按照给定公式计算比值，结果固定保留两位小数，输出为制表符分隔的CSV格式
• 针对给出的样例数据，按公式四舍五入计算的结果如下，如果需要调整截断规则，修改sprintf的格式参数即可：

  DP      Ratio
  3154    0.36
  883     0.40
  

内容的提问来源于stack exchange，提问作者Daffy