NGSCheckMate：数据配对正确性检查好工具

NGSCheckMate：数据配对检查好工具

求知若渴 没有BUG

背景

生信小灶

肿瘤NGS或者其它类似数据分析工作，大的前提就是样本使用的正确性，然而很多意外的情况都会导致样本的错误使用，对它们进行质控显得尤其重要。

原理

软件处理fasq、bam、vcf等格式，获得VAF的信息，通过计算VAF的相关性，来判断样本是否来自同一个样本。

如何实现fastq的VAF统计？

vcf文件中直接存在有VAF的信息，对于bam，可以转化成mpileup格式获得VAF信息，而对于未经比对的fastq，获得VAF是一件比较困难的事情，作者的处理非常巧妙：软件预构建了一个参考SNP的21-kmer的哈希表，通过reads提取的21-mer与哈希表匹配计算count，获得VAF的参考信息。

01

安装

安装NGScheckMate

软件非常容易安装，只需要拷贝源码即可。但是相关的环境与依赖需要进行配置一下。

安装

#下载源码
git clone https://github.com/parklab/NGSCheckMate.git
#配置环境变量
export NCM_HOME=<installation_dir>/NGSCheckMate

配置

#在NGSCheckMate的软件目录，编辑ncm.conf的文件
#分别指定三个文件的绝对路径
#REF,参考序列的绝对路径，与生成bam指定为同一个；
#SAMTOOLS，samtools程序的绝对路径； 
#BCFTOOLS，bcftools程序的绝对路径。
REF=<path for the reference FASTA file >  
SAMTOOLS=<path for samtools> 
BCFTOOLS=<path for bcftools>

02

fastq模式

输入文件

#文件为三列，read1,read2，样本名
#不需要表头，此段注释也不要出现在文件中
/path/NC_1.fq.gz  /path/NC_2.fq.gz  NC
/path/T_1.fq.gz  /path/T_2.fq.gz  T

运行命令

#使用python2来运行
python2 /PathOfNGScheckmate/ncm_fastq.py -pt /path/SNP.pt -l /path/NGS.input.list  -O ./check_result

03

vcf格式

输入文件

#每行是一个文件
/data1/public/GATK/03_1.NGScheckMate/NC.vcf
/data1/public/GATK/03_1.NGScheckMate/T.vcf

运行命令

python2 /PathOfNGScheckmate/ncm.py -V -l /path/vcf.input.list -bed /path/SNP_GRCh37_hg19_woChr.bed -O ./vcfout

Tips

1）BAM模式和VCF模式非常类似，只需要将-V参数换为-B参数，输入文件由vcf的list变为bam的list即可。

2）BAM模式最终仍是对各个样本进行变异检测，所以自己检测vcf然后使用软件检查也是一样的，而且可能更加灵活。

结果说明

最终的结果在输出目录中，*_all.txt，这个文件即是。文件一共五列：

样本1；
是否匹配的结论；
样本2；
相关性系数；
深度。

除此之外还有一些图表，一般情况没有什么大的价值。

04

软件评价

优缺点

软件比较好装，也容易配置和使用，结果易于解读。但是它只能检测出两个样本是否匹配，但是样本之间是否有相互的污染，则不能够进行质控，对于肿瘤的检测，这个方面的信息仍是需要留意的。

关

于

我

我是国产TESLA，专注于肿瘤及肿瘤新生抗原的生物信息工程师，这里记得着我的一些原创探索和心得，愿能给参与到这个领域的人一些参考。

提醒

“话题”在文章标题下方哦~