findscripter 何时使用
变异检测（calling）之后，对 VCF/BCF 做后处理与质控时用本条，典型场景：
- 按质量阈值过滤变异（QUAL、DP、AF、MQ）保留高置信位点。
- 把多个样本的 VCF 合并（merge）成联合调用集，或把按染色体/批次拆的 VCF 拼接（concat）。
- 给变异加 rsID（dbSNP）或基因名（BED）等外部注释。
- 把 VCF 字段抽成制表符文本（基因型、等位深度、基因型矩阵）供下游 plink/R/Python。
- 规范化 indel 表示（左对齐）、拆分多等位位点、去重。
- 跑 QC：变异计数、Ts/Tv 比、每样本统计；轻量调用
mpileup | bcftools call。
不该用本条的边界：
- 正经种系变异检测（需局部重组装/BQSR）→ 用
gatk-variant-calling或 DeepVariant；bcftools call只做轻量调用。 - 群体遗传统计（Fst、连锁不平衡 LD、Hardy-Weinberg）→ 用 VCFtools。
- 变异功能/效应注释（基因影响、氨基酸变化）→ 用
snpeff-variant-annotation，本条只做 ID/区间级标签注释。 - 去重标记、文库指标 → 用 picard。
前置条件：bcftools 1.17+（HTSlib 套件，随 samtools）；区域查询需 bgzip 压缩 + tabix 索引（.vcf.gz + .tbi）。安装前先 command -v bcftools，pixi 环境内用 pixi run bcftools。索引：bcftools index -t x.vcf.gz（建 .tbi），染色体 >512Mb 用 -c（建 .csi）。
步骤
- 规范化：
norm -m -any拆多等位 →norm -d any -f ref.fa左对齐 indel + 去重。合并/注释前必做，避免重复记录。 - 过滤：
filter -i '表达式'留（include）或-e去（exclude）；软过滤-s 标签 -e ...只打 FILTER 标签不删；view -f PASS留 PASS；--type snps/indels按类型；--SnpGap 3去 indel 旁 3bp 内的 SNP。 - 注释：
annotate -a 源 -c 列加 ID/INFO；-x INFO/字段删字段；染色体名不一致用--rename-chrs。 - 合并/拼接：不同样本集同位点 →
merge；同样本集不同染色体/批次 →concat（重叠区加-a）。 - 提取/统计：
query -f '格式串'转 TSV（-H加表头，[...]迭代每样本 FORMAT 字段）；stats出 QC（-s -加每样本）。
输出格式 -O：v 文本 VCF / z bgzip VCF（归档、可 tabix）/ b 压缩 BCF（管道最快）/ u 非压缩 BCF（中间步最快，省压缩开销）。规则：管道中间步用 -u，落盘/索引用 -z。view -W 写完自动建索引。
过滤表达式：INFO 字段每变异一值（QUAL>20、DP>10、AF<0.05、MQ>40）；FORMAT 字段每样本（GT=="1/1"、AD[1]>5、GQ>20）；可组合 QUAL>20 && DP>10 && AF>0.01。
示例
典型后处理管线（规范化→过滤→注释→落盘，全程流式无中间文件）：
bcftools norm -m -any variants.vcf.gz \
| bcftools norm -d any -f reference.fa \
| bcftools filter -i 'QUAL>20 && DP>10' \
| bcftools annotate -a dbSNP.vcf.gz -c ID \
| bcftools view -O z -o final.vcf.gz
bcftools index -t final.vcf.gz
bcftools stats final.vcf.gz | grep "^SN" # 各阶段变异计数
抽样本 / 按区域（区域需索引）：
bcftools view -s sample1,sample2 -O z -o subset.vcf.gz variants.vcf.gz
bcftools view -s ^outlier -O z -o cleaned.vcf.gz variants.vcf.gz # ^ 排除
bcftools view -r chr1:1000000-2000000 variants.vcf.gz -O v -o region.vcf
提取基因型 / 基因型矩阵：
# 每样本基因型与等位深度（输出 sample 0/1 25,18）
bcftools query -f '[%SAMPLE\t%GT\t%AD\n]' variants.vcf.gz > genotypes.txt
# 跨样本基因型矩阵（带表头，供 plink/R/Python）
bcftools query -H -f '%CHROM\t%POS\t%REF\t%ALT\t[%GT\t]\n' cohort.vcf.gz > gt_matrix.tsv
# 罕见变异（AF<1%）
bcftools query -i 'AF<0.01' -f '%CHROM\t%POS\t%REF\t%ALT\t%AF\n' variants.vcf.gz > rare.txt
多样本合并 → 过滤 → 抽矩阵（合并前各 VCF 须已索引）：
for s in sample1 sample2 sample3; do bcftools index -t ${s}.vcf.gz; done
bcftools merge sample1.vcf.gz sample2.vcf.gz sample3.vcf.gz -O z --threads 8 -o cohort.vcf.gz
bcftools index -t cohort.vcf.gz
bcftools view -f PASS --type snps cohort.vcf.gz \
| bcftools filter -i 'AF>0.01 && AF<0.99' -O z -o cohort_snps.vcf.gz
QC（Ts/Tv 比、每样本计数）：
bcftools stats variants.vcf.gz | grep "Ts/Tv" # 人 WGS 约 2.0~2.1，外显子 2.5~3.0
bcftools stats -s - variants.vcf.gz | grep "^PSC" > per_sample.txt # 每样本 hom/het/ts/tv...
两文件一致性比对（isec 产私有/共享四份）：
bcftools isec -p isec_dir file1.vcf.gz file2.vcf.gz
# 0000=file1 私有 0001=file2 私有 0002/0003=共享
注意事项
- 缺索引：
view -r 区域需.tbi/.csi，落盘 bgzip VCF 后务必bcftools index -t out.vcf.gz。 - 合并/注释前先规范化：不同调用器对同一 indel 表示不同，先
norm -m -any | norm -d any -f ref.fa防重复记录。 - 染色体命名要一致：
chr1与1混用会静默失败/注释错位，bcftools view -h x.vcf.gz | grep "^##contig"核对，必要时annotate --rename-chrs。 - 样本重名：合并时输入 VCF 样本名重复会报错，先
bcftools reheader -s new_names.txt x.vcf.gz改名。 - 过滤输出为空：表达式过严或字段缺失，先
view -h x.vcf.gz | grep INFO确认字段存在。 - 管道用
-O u：多步管道中间产物用非压缩 BCF，比-O z通常快 2~3×；落盘才用-z。 - Ts/Tv 异常（<1.8 或 >2.2）提示质控问题，收紧过滤（
QUAL>30 && DP>15）并查比对质量。 - concat 报重叠：输入区域重叠时加
-a：bcftools concat -a file1.vcf.gz file2.vcf.gz。 - 大队列先过滤再合并：对每样本 VCF 先做位点级 QC（
QUAL>20 && DP>5）再 merge，省内存与 I/O。
互见
- requires：
genomic-file-toolkit—— VCF/BAM 的读写、bgzip 索引、区域抓取与覆盖度统计是本条的输入/输出基础。 - related：
cnvkit-copy-number—— 同属变异后处理家族（拷贝数）；gene-set-enrichment-analysis—— 变异/基因列表的下游富集解读；single-cell-rnaseq-analysis—— 同属基因组学分析。 - combines_with：
gatk-variant-calling—— 上游产出 VCF，本条接力做规范化/过滤/合并/注释；snpeff-variant-annotation—— 在本条 ID/区间注释之上叠加功能效应注释；snakemake-workflow-engine、nextflow-pipeline-builder—— 把 norm→filter→annotate 各步包成可复现、可并行的工作流。
本条采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0），适配重写而非逐字翻译。