RNA_seq GATK 最佳实践

 

GATK处理DNA 水平的snp 经验比较成熟，而RNA 水平较少，所以可能会存在错误

目前的流程兼顾了假阳性（不是真的snp位点）和假阴性（该位点是snp,却没有检测到）；后续会不断改善

 

 

GATK SNP calling pipeline 分成3个部分：

1）DATA CLEANUP

2) VARIANT DISCOVERY

3) EVALUATION

 

 

DATA CLEANUP ：

1）raw reads 和  参考基因组比对（推荐使用STAT 2-pass）

 

STAR 建立参考基因组的索引

1-pass  比对：

先用第一次比对生成的SJ.out.tab 文件，重新建立索引：

2-pass 比对：

2） mark duplicates and sort 

picard  标记重复序列，并sort

3) split N and reassignMappingQuality

4）Indel realignment （可选的）

5）base recalibration

 

 6） variant  calling

 

 7）variant filter

 

 参考资料：

  https://software.broadinstitute.org/gatk/documentation/article.php?id=3891

https://software.broadinstitute.org/gatk/documentation/article?id=2801