对于联川的重测序组来说,每天都会和许许多多的SNP打交道(什么是SNP?),经手处理过的SNP位点何止上亿。而在他们手中,GATK(Genome analysis toolkit)是一柄锋利无比的雕刻刀,原始数据经过GATK的处理之后才能去伪存真,显出本色,进入后续的挖掘过程。
GATK(不是GANK也不是GTA!)这款软件是变异检测的常用软件,但是它不仅可以从比对信息中挖掘出大量的SNP和INDEL,还可以对挖掘出的变异进行质量检测和过滤。因为从比对信息中挖掘变异数据,就好像考古发掘的过程,最初的挖掘结果难免会真假混杂,泥沙俱下,如何对它们进行质量判断,从而为下游分析呈现出最好的数据便成了重中之重。
对于每一个SNP或者INDEL位点,GATK都会在鉴定出的同时给它们加上不同的质量标签,同时GATK官方也会推荐质量值过滤的标准。例如推荐的SNP过滤标准如下:
QD > 2.0
FS > 60.0
MQ > 40.0
MQRankSum > -12.5
ReadPosRankSum > -8.0
SOR > 3.0
不过光看这个,我们可能很难理解这些缩写背后究竟代表什么含义,下面我们就来具体看一下:
Qual:即quality质量值,以Phred格式存储,这个值越大,代表这里存在variant的可能性越高(计算方法与测序质量值Q20/Q30等类似)。
QD:QualByDepth,即经过深度校正的质量值,是使用Q