GATK合并gvcf文件

GATK可以用来合并多个个体的gVCF文件，生成一个joint-called VCF文件。下面是基本的合并gVCF文件的命令：

gatk CombineGVCFs \
    -R reference.fasta \
    --variant sample1.g.vcf \
    --variant sample2.g.vcf \
    -O cohort.g.vcf

其中，`-R`选项指定参考基因组文件，`--variant`选项指定需要合并的gVCF文件，`-O`选项指定输出的joint-called VCF文件。

如果你有多个gVCF文件需要合并，可以将所有的gVCF文件都列出来，例如：

gatk CombineGVCFs \
    -R reference.fasta \
    --variant sample1.g.vcf \
    --variant sample2.g.vcf \
    --variant sample3.g.vcf \
    --variant sample4.g.vcf \
    --variant sample5.g.vcf \
    -O cohort.g.vcf

如果你的样品数量很多，可以使用GATK4.0版本中新增的`GenomicsDBImport`工具进行导入和合并。该工具可以将gVCF文件导入到一个用于联合调用的GenomicsDB数据库中，并最终生成一个joint-called VCF文件。下面是使用`GenomicsDBImport`工具导入gVCF文件的命令：

gatk GenomicsDBImport \
    --genomicsdb-workspace-path my_database \
    -L interval.bed \
    --sample-name-map sample_map.txt \
    --tmp-dir=/scratch/tmp \
    --reader-threads 5

其中，`--genomicsdb-workspace-path`选项指定GenomicsDB数据库的路径，`-L`选项指定区间文件，`--sample-name-map`选项指定样品名列表文件，`--tmp-dir`选项指定临时文件夹路径，`--reader-threads`选项指定读取线程数。

最后，我们可以使用`GenotypeGVCFs`工具对GenomicsDB数据库中的gVCF文件进行joint-calling，生成joint-called VCF文件：

gatk GenotypeGVCFs \
    -R reference.fasta \
    -V gendb://my_database \
    -O cohort.g.vcf

其中，`-R`选项指定参考基因组文件，`-V`选项指定GenomicsDB数据库路径，`-O`选项指定输出的joint-called VCF文件。