Skip to content

生資工具 › NGS 工具 › tabix

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。