文献阅读 | 基于ATAC-seq数据的SNV与indels的发现

Discovering single nucleotide variants and indels from bulk and single-cell ATAC-seq

文献链接：https://www.biorxiv.org/content/10.1101/2021.02.26.433126v1.full

研究背景

1、genetic variants的发现

	WGS	ATAC-seq
特点	成本高，大部分的reads来自非调控区、非编码区	低成本，reads来自调控区(有功能的突变)
应用	genetic variants discovery常用方法	未被系统评估

之前有一些研究评估了sc RNA-seq数据中的单核苷突变检测方法的表现（参考链接：https://pubmed.ncbi.nlm.nih.gov/31744515/ ），但是尚未有研究系统评估一些单核苷突变检测方法在ATAC-seq数据上的表现。

（1）评估7种variant callers工具对bulk ATAC-seq和sc ATAC-seq数据，在SNVs和indels方面的预测效果。
（2）整合上述variants callers的结果，并开发出整体表现具有显著优势的VarCA预测工具。

主要结果

1、Variant Callers的表现（前几名）

• SNV discovery：GATK、VarScan2、VarDict
• Indels discovery：GATK、VarScan2、Menta、VarDict

2、VarCA的表现

	bulk ATAC-seq	sc ATAC-seq
SNVs	precision:0.99|recall:0.95	precision:0.98|recall:0.94
indels	precision:0.93|recall:0.80	precision:0.82|recall:0.82

• VarCA achieves substantially better performance than any individual method and its recalibrated quality scores can be used to filter for high confidence variants.

• Application of VarCA to single-cell ATAC-seq datasets could potentially reveal the presence of somatic mutations that are present in only some subsets of cells.

VarCA的局限性：
（1）只适用于双端测序的数据集。
（2）只能对SNVs、indels突变类型进行识别。

操作步骤

1、bulk ATAC-seq/Single cell ATAC-seq 数据处理步骤

	bulk ATAC-seq	sc ATAC-seq
Step1	BWA-MEM：将双端的reads与参考基因组比对	10x Single Cell ATAC pipeline：比对、聚类
Step2	samtools：过滤reads	samtools、pysam：过滤reads
Step3	MACS2：识别峰值	MACS2：识别峰值
Step4	VarCA：variants detection	VarCA：variants detection

2、VarCA的简介
https://github.com/aryarm/varCA

• prepare subworkflow
• runs multiple variant callers on aligned ATAC-seq reads
• gathers the output of these callers together into a single dataset in variant call format (VCF)
• classify subworkflow
  • uses the output from the prepare subworkflow to predict variants within ATAC-seq peaks
  • outputs a new VCF file containing the predictions