如何获得比较可靠的变异位点？

生信百科 · 公众号 · 医学 · 2017-09-07 05:29

正文

请到「今天看啥」查看全文

" -T SelectVariants -R " $ref " -V filtered_SNPs_near_INDEL.vcf -selectType SNP -o SNPs_only.vcf vcftools --vcf filtered_SNPs_near_INDEL.vcf --remove-indels --recode --recode-INFO-all --out SNPs_only

上面用两种方式实现提取 SNP 位点的操作；

如果使用 vcftools， 记得加上 --recode-INFO-all 参数，这样才能保留 INFO 的信息，后面还需要根据这列信息进行过滤。如果不加，整列信息将变为 '.'！

3 GATK hard filtering

java -jar "$GATK" -T VariantFiltration -R "$ref" -V SNPs_only.vcf --filterExpression "QD < 2.0" --filterName "QD_snp_filter" --filterExpression "FS > 60.0" --filterName "FS_snp_filter" --filterExpression "SOR > 4.0" --filterName "SOR_snp_filter" --filterExpression "MQ < 40.0" --filterName "MQ_snp_filter" --filterExpression "MQRankSum < -12.5" --filterName "MQRankSum_snp_filter" --filterExpression "ReadPosRankSum < -8.0"  --filterName "ReadPosRankSum_snp_filter" -o hard_filtering.snps.vcf
grep -v 'snp_filter' hard_filtering.snps.vcf > hard_filtered.snps.vcf

对于 GATK hard filtering 的参数，请参考官网的介绍；

这步运行后，GATK 并没有直接删掉不符合阈值的位点，仅仅是在 FILTER 那列标注 'PASS' 或标注每个过滤参数自定义的 'filterName'；

在最初尝试过滤参数组合的时候，给每个过滤参数的命名可参考：特有 (FS) + 共有 (_snp_filter) 的方式，以便查看每个过滤参数对数据的影响。