GATK使用方法详细介绍

原创】GATK 使用方法详解（包含 bwa 使用）第一部分

 (2014-03-03 11:07:29)

转 载 ▼

标签：

gatk



bwa



分类：生物信息

基于  数据格式，目前还没有提供其他格式文件（如 ）或者实验

设计（）的分析方法。

（） 是一个应用于前沿科学研究的软件，不断在更新和修正，因此，在使用

 进行变异检测时，最好是下载最新的版本，目前的版本是 （

）。下载网站： !!!"#$% %& #!#。

（'）在  使用过程中（见下面图），有些步骤需要用到已知变异信息，对于这些

已知变异， 只提供了人类的已知变异信息，可以在  的 () 站点下载

（$*"#）。如果要研究的不是人类基因组，需要自行构建已知变

异， 提供了详细的构建方法。

（） 在进行 +, 和 -, 的过程中会使用到  软件绘制一些图，因此，在运

GATK 最佳使用方案：共 ' 大步骤。原始数据的处理—变异检测—初步分析。



第一大步：原始数据的处理



1.对原始下机 fastq 文件进行过滤和比对（mapping）

对于  下机数据推荐使用 "! 进行 %。

/

+! 比对步骤大致如下：

（1）对参考基因组构建索引：

////例子："!#0"!$!%12。最后生成文件：

////对于 # 数据，每个 #$ 文件单独做运算，$%# 数据就不用说了，只有一

个文件。

////例子：pair end：

"!////%12//#2%5//'//&//////6#2%5$

"!////%12//#2%5//'//&//////6#2%5$

single end：

"!////%12//#2%5//'//&//////6#2%5$

主要参数说明：

：允许出现的最大 % 数。

：每个 % 允许的最大长度。

：要使用的线程数。

：此参数只应用于 # 中，当没有出现大于此值的最佳比对结果

时，将会降低标

时会消耗更长的

：表示输入的文件格式为 '8数据格式。

+：设置标记序列。从 7端开始多少个碱基作为标记序列，当+ 为正值

时，在比对之

//////////参数：：如果 #$ 比对次数超过多少次，就不在 9 标签显示。

/////////////////$：定义头文件。‘:;<2;4"7，如果在此步骤不进行头文件定

义，在

pair end："!$#2%5$#2%5$#2%5#2%56

#$

//////////参数：：最大插入片段大小。

/////////////////：# 两 #$ 中其中之一所允许配对的最大次数，超过该次数，将

被视为

'" 的 #，建

/

原始 $ 文件时，可以先按染色体将文件分开，这样会提高运行速度。但是当数据量

不足时，可能会影响后续的 -, 分析，这是需要注意的。

/

2.对 sam 文件进行进行重新排序（reorder）

由 +3 生成的 $ 文件时按字典式排序法进行的排序（0*%*=）进行排序的

（*，*>*1，*，*>*，*，*'>*4，*9，*?），但

是  在进行 *$ 的时候是按照染色体组型（&==*）进行的

（*4，*，*>*，*9，*?），因此要对原始 $ 文件进行 #。可

以使用 *#$ 中的 # 完成。

%．

这一步的头文件可以人工加上，同时要确保头文件中有的序号在下面序列中也有对

在进行排序之前，要先构建参考序列的索引。

%$$2#0%12。最后生成的索引文件：%122。

3. 如果在上一步想把大文件切分成小文件的时候，头文件可以自己手工加上，之后运

行这一步就好了。

/

3.将 sam 文件转换成 bam 文件（bam 是二进制文件，运算速度快）

这一步是将 $ 文件中同一染色体对应的条目按照坐标顺序从小到大进行排序。可以

@A@*#$1B @

DG)GC%1$$E"

DED<FC*#

/

 以上版本将不再支持无头文件的变异检测。加头这一步可以在 +3 比对的

时候进行，通过 参数的选择可以完成。如果在 +3 比对期间没有选择 参数，可以

增加这一步骤。可使用 *#$ 中 ##D*#$ 完成。

%

@A@*#$1B ##D*#$@

C%1$$E"

DC%1#$###E'"

<C%1<

注意：这一步尽量不要手动加头，本人尝试过多次手工加头，虽然看起来与软件加的

/

6.Merge

如果一个样本分为多个  进行测序，那么在进行下一步之前可以将每个  的 "

文件合并。

%

@A@/*#$I 4%($@

)GC"

)GC"

)GC'"