Bam文件位点深度统计

Bam文件位点深度统计

本文作者：Sunny-King

发布时间：2022-08-08 18:49:50 星期一

本文链接：https://www.cnblogs.com/Sunny-King/p/Bioinformatics-Bam_depth.html

从NGS的数据中获取信息进行变异检测。对于常见的CNV算法一般是基于read depth的方法，下面介绍了几个常见的depth统计工具的基本使用方法。后期会对不同方法进行评价。

一、samtools depth

samtools depth可以计算每个位置或区域的depth。

samtools depth -aa -b test.bed test.bam [--reference reference.fa]
# 也可以用-r chr:start-end指定区域

• -s选项可以控制read-pair的overlap区域是否重复计算，\(samtools\ depth\)中该参数默认是off，而\(samtools\ mpileup\)中默认是on。

二、samtools mpileup

该方法主要是基于\(samtools\ mpileup\)从bam文件产生pileup格式的数据中获取位点的depth。用法如下：

samtools mpileup [-C capQcoef] [-r reg] [-f in.fa] [-l list] [-Q minBaseQ] [-q minMapQ] test.bam
# 使用-r参数指定区域或者-l参数指定bed文件

从结果来看\(samtools\ mpileup\)的前几列和\(samtools\ depth\)的结果一致，但是需注意对于read-pair的overlap区域，该模块只计算一次。

三、bamdst

Bamdst是一个轻量级工具，用于统计bam文件的目标区域的深度覆盖情况。Bam文件先经过排序，并且需指定一个bed文件。

1、下载安装

# 下载源文件
git clone https://github.com/shiquan/bamdst.git
cd bamdst/
# 编译安装
make

2、使用示例

bamdst -p test.bed -o ./ test.bam

3、结果介绍

├── chromosomes.report			# 各染色体深度和覆盖度信息
├── coverage.report				# 该文件包含target区域和flank区域的所有覆盖度信息。
├── depth_distribution.plot		# 深度分布
├── depth.tsv.gz				# bed文件中的每个位置的三种深度值，包括raw depth、rmdup depth和coverage depth
├── insertsize.plot				# insert size大小分布
├── region.tsv.gz				# bed文件中每个区域的平均深度、中值深度和覆盖率
└── uncover.bed					# 包含对输入的bed文件，输入bam文件中未覆盖区域或覆盖较差的区域。通过参数"--uncover"设置阈值

四、DepthOfCoverage （GATK）

DepthOfCoverage是GATK中的一个模块，用来统计一组bam文件的覆盖率。

1. 可以分析每个位点，每个区间，每个基因，或总体;
2. 可按样本、按读组、按技术、按中心或按文库进行分区;
3. 可以通过平均值、中位数、四分位数和/或覆盖到或超过阈值的碱基百分比进行总结。
4. 可以通过mapping quality或base quality进行过滤。

java -jar GenomeAnalysisTK.jar \
	-T DepthOfCoverage \
	-L test.bed\
	-o test\
	-I test.bam \
	-R reference.fa

结果

├── test											# 每个位置的coverage
├── test.sample_cumulative_coverage_counts			# 
├── test.sample_cumulative_coverage_proportions		# 
├── test.sample_interval_statistics					# 
├── test.sample_interval_summary					# 
├── test.sample_statistics							# 
└── test.sample_summary								# 总数、平均值、中位数、四分位数和阈值比例

• DepthOfCoverage目前只支持经典的的核苷酸和N碱基，不能识别其他非ATCGN碱基。
• 计算覆盖率信息之前会先对数据进行过滤。默认情况下，Duplicate Marked和non-primary不计算在内。这可以通过\(--disable-tool-default-read-filters\)来禁用。

五、bedtools multicov

\(bedtools\ multicov\)依赖于索引BAM文件来计算每个BAM文件的计数。每个BAM文件都应该根据位置排序并构建索引。该方法对于bed文件的每一行计算一个数值，只能计算区域的depth。

bedtools multicov -bed test.bed -bams test.bam

输出结果中记录了bed文件中每个区域的计数。
每一行包括来自bed文件的原始行和每个输入bam文件的计数。