tabix.1

   1 .TH tabix 1 "2 November 2009" "tabix-0.1.0" "Bioinformatics tools"
   2 .SH NAME
   3 .PP
   4 bgzip - Block compression/decompression utility
   5 .PP
   6 tabix - Generic indexer for TAB-delimited genome position files
   7 .SH SYNOPSIS
   8 .PP
   9 .B bgzip
  10 .RB [ \-cdh ]
  11 .RB [ \-b
  12 .IR virtualOffset ]
  13 .RB [ \-s
  14 .IR size ]
  15 .RI [ file ]
  16 .PP
  17 .B tabix
  18 .RB [ \-0 ]
  19 .RB [ \-p
  20 .R gff|bed|sam|vcf]
  21 .RB [ \-s
  22 .IR seqCol ]
  23 .RB [ \-b
  24 .IR begCol ]
  25 .RB [ \-e
  26 .IR endCol ]
  27 .RB [ \-S
  28 .IR lineSkip ]
  29 .RB [ \-c
  30 .IR metaChar ]
  31 .I in.tab.bgz
  32 .RI [ "region1 " [ "region2 " [ ... "]]]"
  33
  34 .SH DESCRIPTION
  35 .PP
  36 Tabix indexes a TAB-delimited genome position file
  37 .I in.tab.bgz
  38 and creates an index file
  39 .I in.tab.bgz.tbi
  40 when
  41 .I region
  42 is absent from the command-line. The input data file must be position
  43 sorted and compressed by
  44 .B bgzip
  45 which has a
  46 .BR gzip (1)
  47 like interface. After indexing, tabix is able to quickly retrieve data
  48 lines overlapping
  49 .I regions
  50 specified in the format "chr:beginPos-endPos". Fast data retrieval also
  51 works over network if URI is given as a file name and in this case the
  52 index file will be downloaded if it is not present locally.
  53
  54 .SH OPTIONS OF TABIX
  55 .TP 10
  56 .BI "-p " STR
  57 Input format for indexing. Valid values are: gff, bed, sam, vcf and
  58 psltab. This option should not be applied together with any of
  59 .BR \-s ", " \-b ", " \-e ", " \-c " and " \-0 ;
  60 it is not used for data retrieval because this setting is stored in
  61 the index file. [gff]
  62 .TP
  63 .BI "-s " INT
  64 Column of sequence name. Option
  65 .BR \-s ", " \-b ", " \-e ", " \-S ", " \-c " and " \-0
  66 are all stored in the index file and thus not used in data retrieval. [1]
  67 .TP
  68 .BI "-b " INT
  69 Column of start chromosomal position. [4]
  70 .TP
  71 .BI "-e " INT
  72 Column of end chromosomal position. [5]
  73 .TP
  74 .BI "-S " INT
  75 Skip first INT lines in the data file. [0]
  76 .TP
  77 .BI "-c " CHAR
  78 Skip lines started with character CHAR. [#]
  79 .TP
  80 .B -0
  81 Specify that the position in the data file is 0-based (e.g. UCSC files)
  82 rather than 1-based.
  83 .RE
  84
  85 .SH EXAMPLE
  86 grep -v ^"#" unsorted.gff | sort -k1,1 -k4,4n | bgzip -c > sorted.gff.gz;
  87
  88 tabix -p gff sorted.gff.gz;
  89
  90 tabix sorted.gff.gz chr1:10,000,000-20,000,000;
  91
  92 .SH NOTES
  93 It is straightforward to achieve overlap queries using the standard
  94 B-tree index (with or without binning) implemented in all SQL databases,
  95 or the R-tree index in PostgreSQL and Oracle. But there are still many
  96 reasons to use tabix. Firstly, tabix directly works with a lot of widely
  97 used TAB-delimited formats such as GFF/GTF and BED. We do not need to
  98 design database schema or specialized binary formats. Data do not need
  99 to be duplicated in different formats, either. Secondly, tabix works on
 100 compressed data files while most SQL databases do not. The GenCode
 101 annotation GTF can be compressed down to 4%.  Thirdly, tabix is
 102 fast. The same indexing algorithm is known to work efficiently for an
 103 alignment with a few billion short reads. SQL databases probably cannot
 104 easily handle data at this scale. Last but not the least, tabix supports
 105 remote data retrieval. One can put the data file and the index at an FTP
 106 or HTTP server, and other users or even web services will be able to get
 107 a slice without downloading the entire file.
 108
 109 .SH AUTHOR
 110 .PP
 111 Tabix was written by Heng Li. The BGZF library was originally
 112 implemented by Bob Handsaker and modified by Heng Li for remote file
 113 access and in-memory caching.
 114
 115 .SH SEE ALSO
 116 .PP
 117 .BR samtools (1)