Awk 提取VCF文件中管道之间的可变字符串内容

这个问题看起来可能与遗传学有关，但实际上它是基于编程的

我有以下vcf文件（特定的txt文件，从工具获得，称为VEP），带有标题和此列内容：

#CHROM  POS     ID      REF     ALT     QUAL    FILTER  INFO    FORMAT  sample.F
chr1    10643146    .   G   GC  63.2    PASS    CSQ=|FAIL|0.00|0.00|0.01|0.00|13|40|-3|13|||MODIFIER|CASZ1|ENSG00000130940|ENST00000377022|protein_coding||19/20|||||,|FAIL|0.00|0.00|0.01|0.00|13|40|-3|13|||MODIFIER|AL139423.1|ENSG00000272078|ENST00000606802|lncRNA||1/1|||||  GT:GQ:DP:AD:VAF:PL  0/1:58:86:40,45:0.523256:63,0,59
chr1    10646034    .   G   C   64.8    PASS    CSQ=|FAIL|0.00|0.00|0.00|0.00|22|3|1|2|||MODIFIER|CASZ1|ENSG00000130940|ENST00000377022|protein_coding||17/20|||||,|FAIL|0.00|0.00|0.00|0.00|22|3|1|2|||MODIFIER|AL139423.1|ENSG00000272078|ENST00000606802|lncRNA||1/1|||||    GT:GQ:DP:AD:VAF:PL  0/1:59:27:13,14:0.518519:64,0,60

我只想在第一列中提取基因名称，在第二列中提取染色体位置，这样我的最终文件可以如下所示：

chr1:10643146             CASZ1

BCFtools插件不合适，所以我决定采用定制方法

我写了一行，打印出所需的列：

awk'BEGIN{OFS=“\t”；FS=“\t”}；{打印$1、$2、$8}'样本>输出

我弄糊涂了，哪个bash命令适合提取管道之间的字段13（即，line，从CSQ:strings CASZ1开始，在本示例中为mediate之后），因此从所有这条长线中，我只得到管道符号13之间的字符串。和14

从

到

我在SO中查看了解决方案，发现：

但问题是第13个字段中的字符串是可变的，所以这不适合我

我应该使用哪种shell筛选方法

---

谢谢大家!

我尝试了bcftools插件，但得到了：

$ awk -F'[\t|]' -v OFS='\t' 'NR>1{print $1":"$2, $21}' file
chr1:10643146   CASZ1
chr1:10646034   CASZ1

The field "Consequence" is not present in INFO/CSQ: "Consequence annotations from Ensembl VEP. Format: 'Allele

---

我的vcf中有CSQ字段，但没有命名为results的字段

是的，但它不起作用，因为作为生物信息学家，我知道CSQ标签可以有多个值，并且可以有比使用管道的CSQ更多的值…如果OPs示例数据不能真正代表他们的真实数据，那么他们需要编辑问题，以提供更具代表性的示例，包括我发布的内容不起作用的情况。>BCFtools插件不起作用适用bcftools有什么问题？

$ awk -F'[\t|]' -v OFS='\t' 'NR>1{print $1":"$2, $21}' file
chr1:10643146   CASZ1
chr1:10646034   CASZ1

The field "Consequence" is not present in INFO/CSQ: "Consequence annotations from Ensembl VEP. Format: 'Allele