BQSR 全称叫做 Base Quality Score Recalibration, 可以理解为碱基质量校正。对于变异位点的鉴定,碱基质量是非常重要的。比如测序识别到的一个位点,其碱基和参考基因组上的碱基不同,但是其质量值特别低,此时可以认为是一个测序错误,而不是一个SNP位点。 在测序的原始数据中,本身就提供了每个碱基对应的质量值,但是GATK官方认为测序仪提供的碱基质量值,是不准确的,存在误差的。 某个位点前后的碱基的种类,称之为上下文环境,会对这个碱基的质量值产生影响。对于A,T,C,G 4种碱基,共有4 x 4 =16 种上下文环境,左侧的图是利用fastq文件中测序仪给出的碱基质量值做的图,可以看到,对于不同的上下文环境,碱基质量值分布不同;右图为经过BQSR校正之后,不同上下文环境中碱基质量的分布。可以看到,校正之后,不同的上下文环境的碱基质量分布基本相同。也就是说,BQSR消除了上下文环境对碱基质量的影响。 在碱基质量校正时,主要考虑下列3个因素:
根据这3这个因素,首先计算出原始碱基质量中错误的分布模型,然后利用这个模型对碱基质量校正,生成新的碱基质量值。 执行BQSR分析包含以下三步 1. 根据原始bam文件中的碱基质量值计算出系统误差的分布命令如下 gatk BaseRecalibrator -R ${ref_fasta} -I ${input_bam} --use-original-qualities -O ${recalibration_report_filename} --known-sites ${dbSNP_vcf} --known-sites ${sep=" --known-sites " known_indels_sites_VCFs} 在计算的过程中, 不考虑已知的变异位点的碱基质量, 2. 综合多个样本的模型,生成一个总的模型命令如下 gatk GatherBQSRReports -I ${sep=' -I ' input_bqsr_reports} -O ${output_report_filename} 3. 根据之前计算的模型对碱基质量进行校正命令如下: gatk ApplyBQSR -R ${ref_fasta} -I ${input_bam} -O ${output_bam_basename}.bam -bqsr ${recalibration_report} --static-quantized-quals 10 --static-quantized-quals 20 --static-quantized-quals 30 --add-output-sam-program-record --create-output-bam-md5 --use-original-qualities BQSR会对输入的bam文件中的碱基质量值进行替换,替换为校正之后的质量值,而原先的质量值保存在 |
|