|
GATK 是 Genome Analysis ToolKit 的縮寫，是一款從高通量測序數(shù)據(jù)中分析變異信息的軟件，是目前最主流的snp calling 軟件之一。GATK 設(shè)計之初是用于分析人類的全外顯子和全基因組數(shù)據(jù)，隨著不斷發(fā)展，現(xiàn)在也可以用于其他的物種，還支持CNV和SV變異信息的檢測。在官網(wǎng)上，提供了完整的分析流程，叫做GATK Best Practices。 
目前最新版本文為4.0.4.0, 叫做GATK4。 和之前的版本相比，GATK4在算法上進(jìn)行了優(yōu)化，運行速率有所提高，而且整合了picard 軟件的功能。GATK4基于java 語言開發(fā)的，需要java 1.8 版本。下載鏈接如下
https://software./gatk/download/
安裝過程如下： wget https://github.com/broadinstitute/gatk/releases/download/4.0.4.0/gatk-4.0.4.0.zip
unzip gatk-4.0.4.0.zip
tree -L 1 gatk-4.0.4.0/
gatk-4.0.4.0/
├── gatk
├── gatk-completion.sh
├── gatkcondaenv.yml
├── GATKConfig.EXAMPLE.properties
├── gatkdoc
├── gatk-package-4.0.4.0-local.jar
├── gatk-package-4.0.4.0-spark.jar
├── gatkPythonPackageArchive.zip
└── README.md
解壓縮之后，可以看到兩個后綴為.jar的文件，local用于本地運行，spark用于在spark集群上運行。實際使用時，直接用gatk這個可執(zhí)行文件就行了。 通過一個簡單的命令，查看程序是否正確安裝 gatk —list
這個命令能夠打印出所有的子命令，如果打印出來結(jié)果，說明程序安裝正確。部分子命令截圖如下 
子命令后面如果有(picard), 說明這個功能是繼承于picard軟件，從這里也可以看出，GATK4集成了picard軟件的功能。再不需要像之前版本一樣，混合使用picard 和 gatk 了。 GATK4 的最佳實踐給出了5套pipeline Germline SNPs + Indels Somatic SNVs + Indels RNAseq SNPs + Indels Germline CNVs Somatic CNVs
以上五套pipeline 可以根據(jù)研究對象是DNA還是RNA進(jìn)行劃分：DNA 測序（包含1,2,4,5）和RNA 測序（3）?？梢钥吹剑珿ATK 更多的是傾向于DNA 測序數(shù)據(jù)的分析。對于DNA測序而言，主要識別SNP和CNV 兩大類型的變異，每種變異類型又有Germline和Somatic的區(qū)別。 Germline指的是在胚胎發(fā)育早起出現(xiàn)的變異，這種變異會在所有細(xì)胞中廣泛存在，是可以遺傳給后代的變異；Somatic指的是體細(xì)胞變異，身體特定區(qū)域或者組織中出現(xiàn)的變異。通常不會遺傳給后代。
在所有的pipeline之前，都存在一個數(shù)據(jù)預(yù)處理步驟data pre-processing。
GATK4 版本的最佳實踐并不是直接給出了每個步驟對應(yīng)的代碼，而是給出了幾套它們自己編寫的流程，以供參考。這些流程以WDL這種workflow 語言進(jìn)行編寫。官方對于WDL, 也給出了詳細(xì)的文檔，幫助我們了解。 總結(jié)GATK4整合了picard軟件，在算法上進(jìn)行了優(yōu)化，新增了許多新的功能。 官網(wǎng)給出了基于GATK4的pipeline, 以WDL這種workflow 流程管理語言編寫。
|
