GATK SNP calling

发表于 分类于

GATK SNP calling

原文日期: 2017-03-23
来源: https://github.com/wlz0726/wlz0726.github.io

GATK SNP 检测流程

环境准备

1
2
3
4
# 下载 GATK
wget https://github.com/broadinstitute/gatk/releases/download/4.2.0.0/gatk-4.2.0.0.zip
unzip gatk-4.2.0.0.zip
cd gatk-4.2.0.0

预处理流程

1. 比对

1
2
bwa mem -t 8 -M reference.fasta reads_R1.fastq reads_R2.fastq | \
  samtools sort -o sorted.bam

2. 标记重复

1
2
3
4
gatk MarkDuplicates \
  -I sorted.bam \
  -O dedup.bam \
  -M metrics.txt

3. 基础质量重校准 (BQSR)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 第一步：构建重校准表
gatk BaseRecalibrator \
  -R reference.fasta \
  -I dedup.bam \
  --known-sites dbSNP.vcf \
  --known-sites Mills_and_1000G_gold_standard.vcf \
  -O recal.table

# 第二步：应用重校准
gatk ApplyBQSR \
  -R reference.fasta \
  -I dedup.bam \
  --bqsr-recal-file recal.table \
  -O recal.bam

变异检测

HaplotypeCaller

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 单样本
gatk HaplotypeCaller \
  -R reference.fasta \
  -I recal.bam \
  -O output.vcf \
  --dont-use-soft-clipped-bases \
  --standard-min-confidence-threshold-for-calling 30

# 多样本（GVCF 模式）
gatk HaplotypeCaller \
  -R reference.fasta \
  -I sample1.bam \
  -O sample1.g.vcf \
  -ERC GVCF

联合基因分型

1
2
3
4
5
6
7
8
9
10
11
12
# 合并 GVCF
gatk CombineGVCFs \
  -R reference.fasta \
  --variant sample1.g.vcf \
  --variant sample2.g.vcf \
  -O combined.g.vcf

# 联合基因分型
gatk GenotypeGVCFs \
  -R reference.fasta \
  -V combined.g.vcf \
  -O output.vcf

变异过滤

1
2
3
4
5
6
7
8
9
10
gatk VariantFiltration \
  -R reference.fasta \
  -V output.vcf \
  --filter-expression "QD < 2.0" \
  --filter-name "QD2" \
  --filter-expression "FS > 60.0" \
  --filter-name "FS60" \
  --filter-expression "MQ < 40.0" \
  --filter-name "MQ40" \
  -O filtered.vcf

常用过滤阈值

此文档为 GitHub 博客自动归档