处理SLAF测序数据注意事项

最近需要根据一批SLAF数据用于构建遗传图，发现在处理数据的时候有很多坑，现简要概述

数据比对后不要去除PCR重复

当我选用GATK进行call snp时，发现结果中很多位点并没有reads覆盖，或者覆盖度非常低，最终排查后，发现我对bam文件进行了去重复

但是我已经使用标记了重复，也不慌，不需要重新进行比对，只需要在运行时添加 参数即可；如下

soft/gatk-4.1.5.0/gatk --java-options -Xmx4G HaplotypeCaller -DF NotDuplicateReadFilter \
      -I test.sorted.markdup.bam \
      -O test.g.vcf  -R ref.fa  \
       --emit-ref-confidence GVCF

其中 为的缩写

对SNP过滤时又些参数不能用

一般使用GATK call snp的时候，可以选用参数有如下

QD > 2.0
FS > 60.0
MQ > 40.0
MQRankSum > -12.5
ReadPosRankSum > -8.0
SOR > 3.0

但是SLAF测序并不是对整个基因组进行测序，而是根据酶切位点进行，所以，涉及到strand bias有关的标准在过滤时，也就是FS > 60.0 SOR > 3.0时会过滤掉90%的数据，因此过滤掉许多真实的变异。
因此只需要以下参数即可

QD > 2
MQ > 40.0
MQRankSum > -12.5
ReadPosRankSum > -8

也可使用R包vcfR导入VCF文件，查看各个参数的标准，从而定过滤阈值

> table(QD>2)
FALSE  TRUE 
 1140 91348 

> table(MQ > 40.0)
FALSE  TRUE 
 8924 83565 

> table(MQRankSum > -12.5)
 TRUE 
92465 

> table(ReadPosRankSum > -8)
FALSE  TRUE 
  103 92127 

> table(FS >= 60.0)
FALSE  TRUE 
86515  5974 

> table(SOR > 3)
FALSE  TRUE 
85705  6784 

参考

• 「简化基因组」如何过滤用GATK分析得到的SNP

交流扫码