工具 | GATK: SNP/InDel检测 - 图1

GATK软件介绍

GATK是千人基因组计划中开发出来的进行基因组变异分析的软件。它包含很多命令，其中进行SNP/InDel分析的工具主要有两个：

UnifiedGenotyper: 基于位点的比对结果分析SNP/InDel。
HaplotypeCaller: 较新版本才有的命令，取代了UnifiedGenotyper。可以在表现出变异的位点区域使用比对上的reads进行局部的de novo组装，从而能得到更好的SNP/InDel分析结果。还能够很好地处理RNA-Seq的剪接性比对结果，从而可以利用转录组测序数据进行SNP/InDel分析。

HaplotypeCaller

进行SNP/InDel分析的输入文件有两个：

参考基因组fasta文件
比对到参考基因组上重测序样品的BAM文件（需要@RG信息，可以使用Picard的AddOrReplaceReadGroups添加）

分染色体进行/多染色体进行

# 为什么分染色体进行？
gatk --java-options "-Xmx10g -Djava.io.tmpdir=./tmp" HaplotypeCaller -R ../01.ref/genome.fasta  -I ../02.mapping/S1.sort.markdup.bam -L chr1  -ERC GVCF -O S1/S1.chr1.g.vcf.gz 1>S1/S1.chr1.HC.log   2>&1

对多个分别使用HaplotypeCaller命令进行分析后，再通过GATK的CombineGVCFs命令将多个样品的文件整合到一起。

gatk  --java-options "-Xmx10g -Djava.io.tmpdir=./tmp" CombineGVCFs -R ../01.ref/genome.fasta -V gvcf.chr1.list  -O chr1.g.vcf.gz  1>chr1.CombineGVCFs.log   2>&1

GenotypeGVCFs

两种方法

CombineGVCFs

分染色体进行，适合样品较少时使用

GenomicsDB

适合样品较多时使用

额外添加或减少样品时，很方便

gatk  --java-options "-Xmx10g -Djava.io.tmpdir=./tmp -DGATK_STACKTRACE_ON_USER_EXCEPTION=true"  GenomicsDBImport  --sample-name-map  gvcf.chr1.map  --genomicsdb-workspace-path  genomeDB.chr1  -L chr1  --reader-threads 2  --batch-size 50  --tmp-dir ./tmp  1>chr1.GenomicsDBImport.log 2>&1

MergeVcfs

分染色体vcf文件合并

SNP/InDel提取和过滤

使用GATK的VariantFiltration命令对变异位点结果进行过滤。理论上，更好的过滤方法是根据已有的准确的变异位点，通过机器学习的方法对变异位点的质量得分进行矫正。

工具 | GATK: SNP/InDel检测