用途:将大量单样本 VCF/BCF 构建为可查询的压缩变异存储,适合队列/群体基因组数据、按区域跨样本查询、导出子集给下游工具,以及云端或 TileDB Cloud 上的变异数据工作流。
主要能力:基于稀疏数组存储变异,基因组坐标作为维度、样本作为属性;支持并行摄入 VCF/BCF、增量添加样本而无需重新合并;按区域与样本查询并提取位置、等位基因、基因型等字段;导出为 VCF/BCF 或 TSV;支持 S3、Azure、GCS 等云存储。另有 CLI 子命令 create、store、export、list、stat、utils、version,以及 Dataset 上的 read_allele_count、read_variant_stats 等方法。
必要用法:优先从 conda 的 tiledb 频道安装,例如 conda create -n tiledb-vcf -c conda-forge -c tiledb python=3.12 tiledbvcf-py=0.40 pandas pyarrow numpy;也可使用 docker pull tiledb/tiledbvcf-py 或 tiledb/tiledbvcf-cli。Python 中通过 tiledbvcf.Dataset 创建、摄入和读取,CLI 例如 tiledbvcf create --uri my_dataset、tiledbvcf store --uri my_dataset --samples sample1.vcf.gz,sample2.vcf.gz。
限制与注意:仅支持单样本 VCF,且文件需带 .csi 或 .tbi 索引;坐标始终为 1-based 闭区间,起始小于等于 0 会报错,BED 文件需通过 bed_file 参数传入;内存预算、区域与样本分区、流式查询需按数据规模配置;多写入者并发访问同一数据集可能导致损坏;read_allele_count 与 read_variant_stats 依赖摄入时启用的内部数组。云上分布式摄入与读取的签名随版本变化,需查阅当前 Cloud API 参考。安装与云环境的具体认证、成本、性能数据本文档暂未提供完整细节。