base用linux自带字体,GATK之BaseRecalibrator

BaseRecalibrator

简介

用途： 检测碱基质量分数中的系统错误。

分类： 序列数据处理工具

概要： 所谓的变异位点，就是与参考基因组不同的部分，假设原始数据中就存在着一些由于测序仪器产生的系统性误差，那么变异位点识别过程中找到的variant，就会存在大量的假阳性。即便机器说他识别的5亿个碱基有99%的概率是对，那么也就说有5千万可能是错的。

碱基质量分数重校准(Base quality score recalibration，BQSR)，就是利用机器学习的方式调整原始碱基的质量分数。它分为两个步骤:利用已有的snp数据库，建立相关性模型，产生重校准表( recalibration table)

根据这个模型对原始碱基进行调整，只会调整非已知SNP区域。

注：如果不是人类基因组，并且也缺少相应的已知SNP数据库，可以通过严格SNP筛选过程(例如结合GATK和samtools)建立一个snp数据库。

输入需要重校准的BAM文件

已知的多态性位点数据库，用于屏蔽那些不需要重校准的部分

输出

GATK可能会报告许多表格：参数列表

量化质量表

每个read gruop的重校准表

按质量得分的重校准表

所有可选协变量的重校准表

案例java -jar GenomeAnalysisTK.jar -T BaseRecalibrator -R reference.fasta -I my_reads.bam -knownSites latest_dbsnp.vcf -o recal_data.table

参数说明：-T : 运行的工具-R ： 参考基因组-I ： 输入的BAM文件-knownSites 已知SNP的vcf文件-o ： 输出的重校准表

我是如何用的

首先我用BaseRecalibrator根据snp数据建立了重校准表，然后又做了一次重校准，用AnalyzeCovariates作图(要有R环境)观察前后变化，最后用PrintReads应用。# Analyze patterns of covariation in the sequence dataset java -Xmx16g -jar $gatk -T BaseRecalibrator -R $reference -I $file -knownSites $dbsnp -o ${file%%.*}_recal_data.table# Do a second pass to analyze covariation remaining after recalibrationjava -Xmx16g -jar $gatk -T BaseRecalibrator -R $reference -I $file -knownSites $dbsnp -BQSR ${file%%.*}_recal_data.table -o ${file%%.*}_post_recal_data.table # Generate before/after plots, need configure your R environmentjava -Xmx16g -jar $gatk -T AnalyzeCovariates -R $reference -before ${file%%.*}_recal_data.table -after ${file%%.*}_post_recal_data.table -plots ${file%%.*}_recalibration_plots.pdf # Apply the recalibration to your sequence datajava -Xmx16g -jar $gatk -T PrintReads -R $reference -I $file -BQSR ${file%%.*}_recal_data.table -o ${file%%.*}_recal_reads.bam