外觀
tabix
替依座標排序、BGZF 壓縮的 tab 分隔檔(VCF、BED、GFF、SAM)建 .tbi 索引,之後可以直接用座標查詢,不必解壓整個檔案。屬於 HTSlib,與 bgzip 一起安裝。
建索引
bash
# 1. VCF:bgzip 壓縮 → 排序 → 索引
bgzip in.vcf # 產生 in.vcf.gz(不是 gzip!)
bcftools sort in.vcf.gz -Oz -o in.sorted.vcf.gz
tabix -p vcf in.sorted.vcf.gz # 產生 .tbi
# 2. BED / GFF:先用 sort 排序
sort -k1,1 -k2,2n regions.bed | bgzip > regions.bed.gz
tabix -p bed regions.bed.gz
(grep '^#' genes.gff3; grep -v '^#' genes.gff3 | sort -k1,1 -k4,4n) | bgzip > genes.gff3.gz
tabix -p gff genes.gff3.gz| 參數 | 意義 |
|---|---|
-p vcf / bed / gff / sam | 預設格式(決定哪幾欄是染色體、起點、終點) |
-s -b -e | 自訂欄位(任意 tab 檔):染色體 / 起點 / 終點欄 |
-0 | 起點欄為 0-based(-p bed 已自動處理) |
-C | 建 .csi 索引:染色體長度超過 2²⁹(約 512 Mb,例如某些植物基因體)時必須用 |
-f | 覆寫既有索引 |
VCF 也可以用 bcftools index -t(等同 tabix)或 bcftools index(預設建 .csi)。
查詢
bash
tabix in.vcf.gz chr11 # 整條染色體
tabix in.vcf.gz chr11:123456 # 單一位置
tabix in.vcf.gz chr11:123456-124000 # 區間(1-based、含頭尾)
tabix -h in.vcf.gz chr11:123456-124000 # 連 header 一起輸出(才是合法 VCF)
tabix -R targets.bed in.vcf.gz # 用 BED 檔指定多個區域
tabix -l in.vcf.gz # 列出索引中的染色體名稱| 注意 | 說明 |
|---|---|
| 染色體名稱要完全一致 | chr11 與 11 不同;先 tabix -l 確認 |
.tbi 要和檔案放在一起 | 檔名為 <file>.gz.tbi |
| 輸出到 stdout | 存檔要自己導向;沒加 -h 的輸出缺 header |
| 未排序會報錯 | [E::hts_idx_push] Unsorted positions;先排序再壓縮 |
相關:bcftools 的建索引流程、samtools index(BAM / CRAM)、座標系統 0-based vs 1-based。官方文件:HTSlib tabix。