WGS--bwa+gatk+snpEff流程

一舍沙、step0.0.creat_dirlist.sh

#需要的文件
#測序數(shù)據(jù)详羡、基因組+索引耕渴、已知的SNP位點文件
#!/bin/bash
#創(chuàng)建文件系統(tǒng)
cd $wk_dir
mkdir fastq  #存儲原始數(shù)據(jù)及各個階段的數(shù)據(jù)
mkdir code #用于存儲代碼
mkdir index  #存儲索引數(shù)據(jù)
mkdir genome  #存儲基因組fasta數(shù)據(jù)
mkdir res  #存儲最終結(jié)果數(shù)據(jù)
mkdir temp  #存儲中間的temp數(shù)據(jù)
mkdir otherfile  #存儲其它過程中間數(shù)據(jù)
#將構(gòu)建好的index和基因組分別放到index和genome中

二邮破、step0.environment

#!/bin/bash
wk_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx
code_dir=/media/whq/282A932A2A92F3D2/WHQ/xxx/code
fastq_dir=$wk_dir/fastq
index=$wk_dir/index/gatk_human_hg38.fasta
genome=$wk_dir/genome/Homo_sapiens_assembly38.fasta
known_site_dir=$wk_dir/index/gatk_site
dir_prefix=FDSW*   #這里是因為我的文件都是FDSW開頭的
fastq1_suffix=-1r_1.clean.fq.gz
fastq2_suffix=-1r_2.clean.fq.gz

三、step1.bwa+sort+markdup+BQSR

#!/bin/bash
source ./step0.environment
#BWA+sort
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input1=$id/$id$fastq1_suffix;input2=$id/$id$fastq2_suffix;sample=$id;index=$index;bwa mem -t 15 -R "@RG\tID:$sample\tSM:$sample\tLB:WGS\tPL:Illumina" $index $input1 $input2|samtools sort -@ 10 -o $id/$id.sorted.bam -
        } 2>$wk_dir/temp/$id'.bwa.sorted.errlog' &
done
wait

#mark_dup+BQSR
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do

        {
                input=$id/$id'.sorted.bam';output=$id/$id'.sorted.markdup.bam';gatk MarkDuplicates -I $input -O $output -M $id/$id'.markdup.matrix'
        } 2>$wk_dir/temp/$id'.markdup.errlog' &
done
wait
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.bam' ;output=$id/$id'.bqsr.table';ref=$genome;know_site1=$known_site_dir/1000G_phase1.snps.high_confidence.hg38.vcf.gz;know_site2=$known_site_dir/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz;know_site3=$known_site_dir/dbsnp_138.hg38.vcf.gz;gatk BaseRecalibrator -I $input -O $output -R $ref --known-sites $know_site1 --known-sites $know_site2 --known-sites $know_site3
        } 2>$wk_dir/temp/$id'.BQSR.1.errlog' &
done
wait
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.bam';output=$id/$id'.sorted.markdup.BQSR.bam';ref=$genome;bqsr=$id/$id'.bqsr.table';gatk ApplyBQSR -R $ref -I $input -O $output -bqsr $bqsr
        } 2>$wk_dir/temp/$id'.BQSR.2.errlog' &
done

四壶谒、step2.call_SNP+indel.sh
這里使用了HaplotypeCaller -ERC GVCF 先產(chǎn)生GVCF文件云矫,然后CombineGVCFs+GenotypeGVCFs

#!/bin/bash
source ./step0.environment
#call SNP+INDEL
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.BQSR.bam';output=$id/$id'_raw.gvcf';dbsnp=$known_site_dir/dbsnp_138.hg38.vcf.gz;ref=$genome;gatk HaplotypeCaller -R $ref -I $input -O $output --dbsnp $dbsnp -ERC GVCF
        } 2>$wk_dir/temp/$id'.call.snpindel.errlog' &
done
wait
V1=FDSW210010721/FDSW210010721_raw.gvcf
V2=FDSW210010722/FDSW210010722_raw.gvcf
V3=FDSW210010723/FDSW210010723_raw.gvcf
V4=FDSW210010724/FDSW210010724_raw.gvcf
#合并gvcf
gatk CombineGVCFs \
        -R $genome \
        -V $V1 \
        -V $V2 \
        -V $V3 \
        -V $V4 \
        -O combined.g.vcf
#joint genotyping
gatk GenotypeGVCFs \
        -R $genome \
        -V combined.g.vcf \
        -G StandardAnnotation  \
        -D $known_site_dir/dbsnp_138.hg38.vcf.gz \
        -A Coverage \
        -O raw_variants.vcf

五、step3.VQSR.sh

#!/bin/bash
source ./step0.environment
cd $wk_dir/fastq
VQSR_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx/index/VQSR_file
# call SNP 
time gatk VariantRecalibrator  \
        -R $genome \
        -V raw_variants.vcf \
        -resource:hapmap,known=false,training=true,truth=true,prior=15.0  $VQSR_dir/hapmap_3.3.hg38.vcf.gz \
        -resource:omini,known=false,training=true,truth=false,prior=12.0 $VQSR_dir/1000G_omni2.5.hg38.vcf.gz \
        -resource:1000G,known=false,training=true,truth=false,prior=10.0 $VQSR_dir/1000G_phase1.snps.high_confidence.hg38.vcf.gz \
        -resource:dbsnp,known=true,training=false,truth=false,prior=2.0 $VQSR_dir/dbsnp_138.hg38.vcf.gz \
        -an DP \
        -an QD -an FS -an SOR -an ReadPosRankSum -an MQRankSum \
        -mode SNP -tranche 100.0 \
        -tranche 99.9 -tranche 99.0 -tranche 95.0 -tranche 90.0 \
        -O raw_variants.vcf.snp.recal \
        --tranches-file raw_variants.vcf.snp.tranches \
        --rscript-file raw_variants.vcf.snp.plots.R


time gatk ApplyVQSR \
        -R $genome \
        -V raw_variants.vcf \
        --truth-sensitivity-filter-level 99.0 \
        --tranches-file raw_variants.vcf.snp.tranches \
        --recal-file raw_variants.vcf.snp.recal \
        -mode SNP  \
        -O raw_variants.snp.VQSR.vcf.gz
#call INDEL 這里使用raw_variants.snp.VQSR.vcf.gz作為輸入汗菜,可以直接在上一步的SNP輸出文件中寫入INDEL的filter信息让禀!
gatk VariantRecalibrator \
        -R $genome \
        -V  raw_variants.snp.VQSR.vcf.gz  \
        -resource:mills,known=true,training=true,truth=true,prior=12.0 $VQSR_dir/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz \
        -an DP -an QD -an FS -an SOR -an ReadPosRankSum -an MQRankSum \
        -mode INDEL \
        --max-gaussians 6 \
        --rscript-file  raw_variants.snp.indel.plots.R \
        --tranches-file  raw_variants.snp.indel.tranches \
        -O  raw_variants.snp.indel.recal

time gatk ApplyVQSR \
        -R $genome \
        -V  raw_variants.snp.VQSR.vcf.gz \
        --truth-sensitivity-filter-level 99.0 \
        --tranches-file  raw_variants.snp.indel.tranches \
        --recal-file  raw_variants.snp.indel.recal \
        -mode INDEL \
        -O  raw_variants.snp.indel.VQSR.vcf.gz

六、step4.snpEff+gatk+ANNOVAR+VEP.sh
VEP:https://github.com/Ensembl/ensembl-vep#install
VEP配置及報錯處理:https://www.cnblogs.com/afeiyuanda/p/13168166.html
SNPeff:
ANNOVAR:

#!/bin/bash
source ./step0.environment
cd $wk_dir/fastq
snpeff=/home/whq/miniconda3/share/snpeff-5.0-0/snpEff.jar
#snpEff annotation
input=raw_variants.snp.indel.VQSR.vcf.gz
output1=raw_variants.snp.indel.VQSR.vcf.snpeff.gz
java -Xmx8g -jar $snpeff GRCh38.99 $input >$output1
#gatk annotation
#ANNOVAR annotation

七陨界、selectVariation.sh

#!/bin/bash
#注意巡揍!這里的vcf文件不能是壓縮格式的!
source ./step0.environment
cd $wk_dir/fastq
gatk SelectVariants \
        -R $genome \
        -V raw_variants.snp.indel.VQSR.snpeff.vcf \
        --select-type-to-include SNP \
        -O raw_variants.snp.VQSR.snpeff.vcf


gatk SelectVariants \
        -R $genome \
        -V raw_variants.snp.indel.VQSR.snpeff.vcf \
        --select-type-to-include INDEL \
        -O raw_variants.indel.VQSR.snpeff.vcf

八普碎、step6.statistics.density.snp.indel.sh
使用bcftools拆分VCF文件:https://www.cnblogs.com/muuyouzhi/p/9303389.html

#!/bin/bash
#注意吼肥!這里的vcf文件不能是壓縮格式的录平!
source ./step0.environment
cd $wk_dir/fastq
#拆分總VCF為各樣本獨立的VCF
ls -d FDS*|while read id;do  output=$id/${id}.snp.VQSR.snpeff.vcf;bcftools view -s $id raw_variants.snp.VQSR.snpeff.vcf -O v -o $output;done
ls -d FDS*|while read id;do  output=$id/${id}.indel.VQSR.snpeff.vcf;bcftools view -s $id raw_variants.indel.VQSR.snpeff.vcf -O v -o $output;done
#計算SNP及INDEL在各樣品中的密度  --SNPdensity是窗口寬度
ls -d FDS*|while read id;do input=$id/${id}.snp.VQSR.snpeff.vcf ;output=$id/${id}.snp.VQSR.snpeff.density;less $input |awk '$10!~/0\/0|\.\/\.|0\|0/{print $0}'|vcftools --vcf - --SNPdensity 25000 --out $output;done
ls -d FDS*|while read id;do input=$id/${id}.indel.VQSR.snpeff.vcf ;output=$id/${id}.indel.VQSR.snpeff.density;less $input |awk '$10!~/0\/0|\.\/\.|0\|0/{print $0}'|vcftools --vcf -  --SNPdensity 25000 --out $output;done

九麻车、step7.statistics.distribution.snp.indel.sh


最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末缀皱,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子动猬,更是在濱河造成了極大的恐慌啤斗,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,525評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件赁咙,死亡現(xiàn)場離奇詭異钮莲,居然都是意外死亡,警方通過查閱死者的電腦和手機彼水,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,203評論 3 395
  • 文/潘曉璐 我一進店門崔拥,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人凤覆,你說我怎么就攤上這事链瓦。” “怎么了盯桦?”我有些...
    開封第一講書人閱讀 164,862評論 0 354
  • 文/不壞的土叔 我叫張陵慈俯,是天一觀的道長。 經(jīng)常有香客問我拥峦,道長贴膘,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,728評論 1 294
  • 正文 為了忘掉前任略号,我火速辦了婚禮刑峡,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘玄柠。我一直安慰自己氛琢,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,743評論 6 392
  • 文/花漫 我一把揭開白布随闪。 她就那樣靜靜地躺著阳似,像睡著了一般。 火紅的嫁衣襯著肌膚如雪铐伴。 梳的紋絲不亂的頭發(fā)上撮奏,一...
    開封第一講書人閱讀 51,590評論 1 305
  • 那天,我揣著相機與錄音当宴,去河邊找鬼畜吊。 笑死,一個胖子當(dāng)著我的面吹牛户矢,可吹牛的內(nèi)容都是我干的玲献。 我是一名探鬼主播,決...
    沈念sama閱讀 40,330評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼捌年!你這毒婦竟也來了瓢娜?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,244評論 0 276
  • 序言:老撾萬榮一對情侶失蹤礼预,失蹤者是張志新(化名)和其女友劉穎眠砾,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體托酸,經(jīng)...
    沈念sama閱讀 45,693評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡褒颈,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,885評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了励堡。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片谷丸。...
    茶點故事閱讀 40,001評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖应结,靈堂內(nèi)的尸體忽然破棺而出淤井,到底是詐尸還是另有隱情,我是刑警寧澤摊趾,帶...
    沈念sama閱讀 35,723評論 5 346
  • 正文 年R本政府宣布币狠,位于F島的核電站,受9級特大地震影響砾层,放射性物質(zhì)發(fā)生泄漏漩绵。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,343評論 3 330
  • 文/蒙蒙 一肛炮、第九天 我趴在偏房一處隱蔽的房頂上張望止吐。 院中可真熱鬧,春花似錦侨糟、人聲如沸碍扔。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,919評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽不同。三九已至,卻和暖如春溶耘,著一層夾襖步出監(jiān)牢的瞬間二拐,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,042評論 1 270
  • 我被黑心中介騙來泰國打工凳兵, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留百新,地道東北人。 一個月前我還...
    沈念sama閱讀 48,191評論 3 370
  • 正文 我出身青樓庐扫,卻偏偏與公主長得像饭望,于是被迫代替她去往敵國和親仗哨。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,955評論 2 355