GATK使用方法详解(原始数据的处理)

GATK 使用方法详解（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 Illumina下 机 数 据 推 荐 使 用 bwa进 行 mapping。 Bwa比 对 步 骤 大 致 如 下 ： （ 1） 对 参 考 基 因 组 构 建 索 引 ： 例 子 ： bwa index -a bwtsw hg19.fa。 最 后 生 成 文 件 ： hg19.fa.amb、hg19.fa.ann、hg19.fa.bwt、hg19.fa.pac和 hg19.fa.sa。 构 建 索 引 时需要注意的问题： bwa构 建 索 引 有两种算法，两种算法都是基 于 BWT的，这两种算法通过参 数 -a is 和-a bwtsw进 行 选择。 其中-a bwtsw对 于 短的参 考 序列是不工作的，必须要大 于 等于 10Mb；-a is是默认参 数 ，这个参 数 不适用 于 大 的参 考 序列，必须要小于 等于2G。 （ 2） 寻找输入 reads文 件 的 SA坐标。 对 于 pair end数 据 ，每个 reads文 件 单独做运算，single end数 据 就不用 说了，只有一个文 件 。 例 子 ： pair end： bwa aln hg19.fa read1.fq.gz -l 30 -k 2 -t 4 -I > read1.fq.gz.sai bwa aln hg19.fa read2.fq.gz -l 30 -k 2 -t 4 -I > read2.fq.gz.sai single end： bwa aln hg19.fa read.fq.gz -l 30 -k 2 -t 4 -I > read.fq.gz.sai 主 要 参 数 说 明 ： -o int： 允 许 出 现 的 最 大 gap数 。 -e int： 每 个 gap允 许 的 最 大 长 度 。 -d int： 不 允 许 在 3’端出 现 大 于多少 bp的 deletion。 -i int： 不 允 许 在 reads两端出 现 大 于多少 bp的 indel。 -l int： Read前多少个 碱基作为 seed，如果设置的 seed大 于 read长 度 ，将无法继续，最 好设置在 25-35，与-k 2 配合使用。 -k int： 在 seed中的 最 大 编辑距离，使用默认 2，与-l配合使用。 -t int： 要 使用的 线程数 。 -R int： 此参 数 只应用于 pair end中，当没有出 现 大 于此值的 最 佳比对结果时，将会降低标准再次进行比对。 增加这个 值可以提高配对比对的 准确率，但是同时会消耗更长 的 时间，默认是 32。 -I int： 表示输入的 文件格式为 Illumina 1.3+数 据格式。 -B int： 设置标记序列。 从 5’端开始多少个 碱基作为标记序列，当-B为正值时，...