爾云間? 一個(gè)專(zhuān)門(mén)做科研的團(tuán)隊(duì)

歡迎點(diǎn)贊+收藏+關(guān)注

生信人R語(yǔ)言學(xué)習(xí)必備

立刻擁有一個(gè)Rstudio賬號(hào)

開(kāi)啟升級(jí)模式吧

（56線程，256G內(nèi)存，個(gè)人存儲(chǔ)1T）

• Hello，這里是小果，我們將持續(xù)不斷為大家?guī)?lái)生物信息軟件和分析的系列講解，歡迎大家關(guān)注我們，這樣才能更及時(shí)看到我們的文章哦。
  

GATK-HaplotypeCaller簡(jiǎn)介

眾所周知，基因組學(xué)最重要的內(nèi)容之一就是變異檢測(cè)，一般測(cè)序公司會(huì)完成snp calling的工作，但是作為一個(gè)合格的生信狗，怎能不了解snp calling的原理呢。

目前snp calling主流的方法有bcftools call和GATK HaplotypeCaller，二者原理相近，一般測(cè)序公司會(huì)同時(shí)進(jìn)行，取snp的交集，今天小果就帶大家了解一下GATK HaplotypeCaller的原理。

GATK-HaplotypeCaller的變異檢測(cè)的基本原理

當(dāng)HaplotypeCaller運(yùn)行時(shí)，程序會(huì)從頭開(kāi)始組裝短序列，并進(jìn)行比對(duì)，當(dāng)序列余參考基因組存在差異時(shí)，它可能時(shí)測(cè)序錯(cuò)誤、軟件精確度不夠、抽樣誤差等原因，當(dāng)組裝當(dāng)變異活躍的區(qū)域時(shí)，HaplotypeCaller會(huì)局部重新組裝區(qū)域來(lái)確定基因型，假設(shè)一共由30條read比對(duì)到這個(gè)位點(diǎn)上，其中有20條read都和參考基因組不同，那么很大概率上他就是一個(gè)真實(shí)變異位點(diǎn)。

SNP?calling策略的選擇

當(dāng)你有多個(gè)樣本時(shí)，是應(yīng)該將所有樣本進(jìn)行snp calling后再merge vcf文件。還是將所有樣本作為input文件進(jìn)行snp calling呢？GATK提供了多個(gè)snp calling的策略。

single sample calling：每一個(gè)樣本單獨(dú)進(jìn)行snp calling，然后將每個(gè)樣本snp calling結(jié)果再合成一個(gè)總的vcf文件。

batch calling：將樣本分組進(jìn)行snp calling，然后再merge在一起

joint calling：所有樣本的bam一起call 出一個(gè)包含所有樣本變異信息的vcf文件。

通常來(lái)說(shuō)，如果條件允許（服務(wù)器：你閉嘴）的話，使用joint calling是較優(yōu)的選擇。因?yàn)樵趈oint calling中，所有樣本同時(shí)進(jìn)行snp calling，對(duì)于低頻位點(diǎn)具有更好的calling效果，因?yàn)椴煌瑯颖镜臏y(cè)序深度、覆蓋率不同，單樣本進(jìn)行snp calling很容易由遺漏，當(dāng)所有樣本同時(shí)進(jìn)行calling時(shí)，低頻位點(diǎn)可能在別的樣本中頻率較高，從而更全面的call基因組的變異位點(diǎn)。

好啦，這期就講到這里，下期咱們繼續(xù)討論變異位點(diǎn)的篩選條件。

“生信果”，生信入門(mén)、R語(yǔ)言、生信圖解讀與繪制、軟件操作、代碼復(fù)現(xiàn)、生信硬核知識(shí)技能、服務(wù)器、生物信息學(xué)的教程，以及基于R的分析和可視化等原創(chuàng)內(nèi)容，一起見(jiàn)證小白和大佬的成長(zhǎng)。