使用GATK计算序列覆盖率

GATK（Genome Analysis Toolkit）是一个强大的基因组分析工具包，主要用于高质量的下一代测序数据处理、变异检测以及一些其他生物学研究任务。如果你想用GATK计算序列覆盖率（Sequence Coverage），可以按照以下步骤操作：

1. **安装GATK**：首先确保你已经下载并安装了GATK版本4.0或更高，可以从GATK官网获取。

2. **加载样本数据**：使用`CreateSequenceDictionary`工具对参考序列创建序列字典，然后用`Samtools index`预处理BAM文件。

3. **深度统计**：使用`CollectVariantCallingMetrics`（或更老版本的`BaseRecalibrator` + `PrintReads`）来计算每个位置的覆盖度。这个过程会生成覆盖度报告（如`.coverage`文件）以及质量评分等信息。

   java -jar GenomeAnalysisTK.jar \
     -T CollectVariant CallingMetrics \
     -R reference.fasta \
     -I input.bam \
     -L targets.interval_list \
     -o coverage_metrics.grp

`-L targets.interval_list`指定了感兴趣的区域，如果你想要全局覆盖，则省略此参数。

4. **可视化覆盖率**：可以用`GenomeDepthPlotter`（GATK 4.x之后）将这些数据转化为图表，或者用其他工具如Illumina's BaseSpace或Picard的`CoverageBed`进行可视化。

5. **检查异常值**：查看覆盖率是否均匀，如果存在某些区域的深度显著偏低或偏高，可能是实验设计问题或数据质量问题。