二代全基因组分析上游分析

找到两个参考网站，也有一些迷惑的地方，我用的第二个网站
这里主要讨论上游分析，下游分析网站中也有对应的脚本，但是这里不过多讨论
网站一：
https://docs.gdc.cancer.gov/Data/Bioinformatics_Pipelines/DNA_Seq_Variant_Calling_Pipeline/#somatic-variant-calling-workflow

主要分为三个大部
1.Genome Alignment
2 .Alignment Co-Cleaning
3.Somatic Variant Calling
第一部分：

1. bamtofastq把bam转为fq
2. bwa mem 比对到参考基因组
   3）使用picard 对bam文件sort
   4）使用picard merge bam，这里我个人认为是把同个样本的bam merge在一起
   5）使用picard 去重复(picard.jar MarkDuplicates)
   第二部分：
   就是这里开始看不懂了
   这一部分三个脚本使用了
   GenomeAnalysisTK.jar中四个功能RealignerTargetCreator， IndelRealigner，BaseRecalibrator，PrintReads。
   但是 GenomeAnalysisTK.jar这个java文件我就没找到。然后再gatk中是否能找到。

其中PrintReads在gatk中就是Print reads in the SAM/BAM/CRAM file
gatk中BaseRecalibrato的功能是 Generates recalibration table for Base Quality Score Recalibration (BQSR)
然后IndelRealigner和RealignerTargetCreator这个功能在gatk中没找到。
Google了一下好像是gatk 4没有这个脚本，参考别人的提问：https://www.biostars.org/p/339650/
而且pipline应该是更新了

后续我在gatk的官网中找到个另一个pipline
参考网址：https://gatk.broadinstitute.org/hc/en-us/sections/360007226651-Best-Practices-Workflows

image.png

首先还是对mapping，然后对bam文件做各种矫正以及filter的处理。点击进入Data pre-processing for variant discovery，可以看到一套更为简洁的pipline

image.png
但是这个流程没提供具体的代码，需要自己点击进去查询。
但是有热心网友整理好了代码，这个流程参考这个网址：https://www.jianshu.com/p/3a146573a239
以及：全基因组重测序流程【超细致！！】 - 简书 (jianshu.com)

后续分析call variation以及过滤还有注释，这个网站也有针对不同情况推荐的软件。