https://broadinstitute.github.io/picard/picard-metric-definitions.html
https://broadinstitute.github.io/picard/index.html
picard 是一套命令行組成的工具包锥余，用于處理高通量數(shù)據(jù)以及SAM/bam/VCF等相關(guān)數(shù)據(jù)格式满哪。相關(guān)文件格式見說明 Hts-specs， SAM specification and the VCF specification.

使用方法：

java jvm-args -jar picard.jar PicardToolName OPTION1=value1 OPTION2=value2...

所有工具

• 1. AlignmentSummaryMetrics: 統(tǒng)計(jì)比對(duì)結(jié)果（SAM/BAM）, 由CollectAlignmentSummaryMetrics生成，結(jié)果在文件.alignment_summary_metrics中。

2. BaseDistributionByCycleMetrics: *

3. ClusteredCrosscheckMetric: 處理聚類的 crosschecking fingerprints結(jié)果*

4. CollectHiSeqXPfFailMetrics.PFFailDetailedMetric: a metric class for describing FP failing reads from an Illumina HiSeqX lane *

5. CollectHiSeqXPfFailMetrics.PFFailSummaryMetric: Metrics produced by the GetHiSeqXPFFailMetrics program.*

6. CollectOxoGMetrics.CpcgMetrics: Metrics class for outputs.*

7. CollectQualityYieldMetrics.QualityYieldMetrics: 用于描述 BAM 比對(duì)質(zhì)量的一些指標(biāo)羡亩。*

8. CollectRawWgsMetrics.RawWgsMetrics: *

9. CollectVariantCallingMetrics.VariantCallingDetailMetrics: 給定文件的 VCF 文件媒佣，與 SNP 和 Indel 相關(guān)的指標(biāo)斋扰。*

10. CollectVariantCallingMetrics.VariantCallingSummaryMetrics: 同上*

11. CollectWgsMetrics.WgsMetrics: 用于評(píng)估全基因組測(cè)序結(jié)果爷速。*

12. CollectWgsMetricsWithNonZeroCoverage.WgsMetricsWithNonZeroCoverage: 同上*

13. CrosscheckMetric: 處理 crosschecking fingerprints結(jié)果*

14. DuplicationMetrics: 對(duì) SAM 標(biāo)記 duplicates央星，并計(jì)算相關(guān)指標(biāo)。*

15. ErrorSummaryMetrics: CollectSequencingArtifactMetrics 計(jì)算的summary 指標(biāo)惫东，計(jì)算每種堿基錯(cuò)誤率莉给。*

16. ExtractIlluminaBarcodes.BarcodeMetric:
    ExtractIlluminaBarcodes計(jì)算的指標(biāo)，分析 Basecalling 目錄下的數(shù)據(jù)廉沮，確定每個(gè)reads 和 barcode 的關(guān)系颓遏。*

17. FingerprintingDetailMetrics: fingerprint 內(nèi)，單個(gè) SNP/雜合體 比較的詳細(xì)指標(biāo)滞时。*

18. FingerprintingSummaryMetrics: 總結(jié) fingerprinting 指標(biāo)叁幢，統(tǒng)計(jì)比較測(cè)序數(shù)據(jù)。*

19. GcBiasDetailMetrics:
    Class that holds detailed metrics about reads that fall within windows of a certain GC bin on the reference genome.*

20. GcBiasMetrics: *
    GcBiasSummaryMetrics: High level metrics that capture how biased the coverage in a certain lane is.*
    GenotypeConcordanceContingencyMetrics: Class that holds metrics about the Genotype Concordance contingency tables.*
    GenotypeConcordanceDetailMetrics: Class that holds detail metrics about Genotype Concordance*
    GenotypeConcordanceSummaryMetrics: Class that holds summary metrics about Genotype Concordance*
    HsMetrics:

    Metrics generated by CollectHsMetrics for the analysis of target-capture sequencing experiments.

    • IlluminaBasecallingMetrics: Metric for Illumina Basecalling that stores means and standard deviations on a per-barcode per-lane basis.*
      IlluminaLaneMetrics: Embodies characteristics that describe a lane.*
      IlluminaPhasingMetrics: Metrics for Illumina Basecalling that stores median phasing and prephasing percentages on a per-template-read, per-lane basis.*
      IndependentReplicateMetric: A class to store information relevant for biological rate estimation*
      InsertSizeMetrics: Metrics about the insert size distribution of a paired-end library, created by the CollectInsertSizeMetrics program and usually written to a file with the extension ".insert_size_metrics".*
      JumpingLibraryMetrics: High level metrics about the presence of outward- and inward-facing pairs within a SAM file generated with a jumping library, produced by the CollectJumpingLibraryMetrics program and usually stored in a file with the extension ".jump_metrics".*
      MendelianViolationMetrics: Describes the type and number of mendelian violations found within a Trio.*
      MergeableMetricBase: An extension of MetricBase that knows how to merge-by-adding fields that are appropriately annotated.*
      MultilevelMetrics: *
      RnaSeqMetrics: Metrics about the alignment of RNA-seq reads within a SAM file to genes, produced by the CollectRnaSeqMetrics program and usually stored in a file with the extension ".rna_metrics".*
      RrbsCpgDetailMetrics: Holds information about CpG sites encountered for RRBS processing QC*
      RrbsSummaryMetrics: Holds summary statistics from RRBS processing QC*
      SequencingArtifactMetrics.BaitBiasDetailMetrics: Bait bias artifacts broken down by context.*
      SequencingArtifactMetrics.BaitBiasSummaryMetrics: Summary analysis of a single bait bias artifact, also known as a reference bias artifact.*
      SequencingArtifactMetrics.PreAdapterDetailMetrics: Pre-adapter artifacts broken down by context.*
      SequencingArtifactMetrics.PreAdapterSummaryMetrics: Summary analysis of a single pre-adapter artifact.*
      TargetedPcrMetrics: Metrics class for the analysis of reads obtained from targeted pcr experiments e.g.*
      UmiMetrics: Metrics that are calculated during the process of marking duplicates within a stream of SAMRecords using the UmiAwareDuplicateSetIterator.

詳細(xì)功能

CollectHsMetrics:

分析靶向測(cè)序（hybrid-selection）的相關(guān)指標(biāo)

該命令讀取SAM/BAM文件坪稽。HS（雜交捕獲曼玩，靶向測(cè)序，hybrid-selection）是靶向測(cè)序常用的技術(shù)窒百，如外顯子靶向測(cè)序黍判，更多信息參考GATK Dictionary entry.

該命令需要
1）比對(duì)結(jié)果（SAM/BAM）
2）捕獲位點(diǎn)信息（靶向試劑盒生產(chǎn)商提供）。若捕獲位點(diǎn)是 bed 格式贝咙，則需要 BedToInterval 工具轉(zhuǎn)換為 picard 所需的 interval_list 格式样悟。
3）若有參考序列拂募，則會(huì)同時(shí)計(jì)算 AT_DROPOUT and GC_DROPOUT 指標(biāo)庭猩。
因?yàn)槟承﹨^(qū)域GC含量過多或過少，會(huì)使測(cè)序錯(cuò)誤率增加陈症，然后導(dǎo)致比對(duì)到這些區(qū)域的reads變少蔼水，即比對(duì)效率降低，覆蓋度降低录肯。

你可以使用 PER_TARGET_COVERAGE趴腋，獲取每個(gè)捕獲位點(diǎn)的GC含量和測(cè)序深度等信息。
標(biāo)為 pct 的指標(biāo)都是比例论咏。

java -jar picard.jar CollectHsMetrics \
      I=input.bam \
      O=hs_metrics.txt \
      R=reference_sequence.fasta \
      BAIT_INTERVALS=bait.interval_list \
      TARGET_INTERVALS=target.interval_list
 # BAIT_INTERVALS 可以與 TARGET_INTERVALS 相同（但我還不太明白）

bait 與 target 區(qū)別:
計(jì)算 bait coverage 時(shí)优炬，很少去除 reads，因此可以直觀感受濕實(shí)驗(yàn)效果厅贪，但是計(jì)算 target coverage 時(shí)蠢护，因?yàn)閷?duì)突變檢測(cè)的貢獻(xiàn)有限，去除了很多堿基养涮】叮可以看一下各種 PCT_EXC 指標(biāo)的描述眉抬，為什么在計(jì)算 target 時(shí)，過濾掉很多 reads 懈凹。大部分過濾條件可以通過參數(shù)調(diào)節(jié)蜀变。

詳細(xì)的結(jié)果說明查看 CollectHsMetrics
CollectHsMetrics 分析的指標(biāo)分為三類。
1 ) 基本測(cè)序指標(biāo)介评，用來計(jì)算其他指標(biāo)库北。比如基因組大小，reads 總數(shù)威沫，比對(duì)的 reads 總數(shù)贤惯。
bait_set： 捕獲雜交用的 bait 名稱
bait_territory：位于一個(gè)或多個(gè) bait位點(diǎn)的堿基數(shù)量
target_territory：覆蓋在target區(qū)域 unique base數(shù)量
bait_design_efficiency：設(shè)計(jì)效率。 target_territory/bait_territory 比例棒掠。值為1 表示設(shè)計(jì)效率極好孵构，0.5表示一半 bait 堿基不在taget區(qū)域。
PF_READS：通過vendor's 過濾的reads總數(shù)烟很。
PF_BASES_ALIGNED ：通過堿基質(zhì)量控制（PF）颈墅，且比對(duì)到基因組（比對(duì)分值>0）上 unique 堿基。
on_bait_bases： 比對(duì)到基因組 bait 區(qū)域的 （PF_BASES_ALIGNED ）堿基數(shù)量雾袱。
genome_size
total_reads： SAM 文件中 reads 總數(shù)恤筛。
pf_reads：通過平臺(tái)/vendor 質(zhì)控的 reads 總數(shù)。
pf_bases：PF_READS 的堿基量芹橡。
pf_unique_reads：非重復(fù) reads
pf_uq_reads_aligned： 比對(duì)reads中 unique 比例
pf_bases_aligned：比對(duì)上的堿基總數(shù)毒坛。
pf_uq_bases_aligned： 比對(duì) reads 中 unique reads 的堿基總數(shù)
on_target_bases： 比對(duì)到 target 區(qū)域的堿基總數(shù)
pct_pf_reads：下機(jī)數(shù)據(jù)中通過質(zhì)控的 reads 比例。
pct_pf_uq_reads：下機(jī)數(shù)據(jù)中通過質(zhì)控且無重復(fù)的 reads 比例
pct_pf_uq_reads_aligned：通過質(zhì)控的reads中林说，比對(duì)到reference 的無重復(fù) reads 比例

2 ) 實(shí)驗(yàn)質(zhì)量煎殷，比如比對(duì)到 bait 附近投放、內(nèi)部菠红、外部的堿基數(shù)量或比例， fold 80 堿基罰分荤懂，捕獲文庫大小珠移，捕獲罰分弓乙。在過濾之前得到這些指標(biāo)，比如低比對(duì)質(zhì)量钧惧，低質(zhì)量堿基暇韧，重復(fù)reads。
near_bait_bases：比對(duì)到 bait 附近的 reads 堿基量浓瞪。 即有部分重疊懈玻。
off_bait_bases：沒有比對(duì)到 bait 區(qū)域的堿基量。
pct_selected_bases：（near_bait_bases+on_bait_bases）/PF_BASES_ALIGNED
pct_off_bait：off_bait_bases/PF_BASES_ALIGNED追逮。
on_bait_vs_selected：on-taget 中bait 完全覆蓋的比例酪刀。

fold_80_base_penalty：測(cè)序均一度指標(biāo)粹舵，非0覆蓋區(qū)域上，使80%堿基達(dá)到平均coverage時(shí)骂倘，需要另外測(cè)序的倍數(shù)眼滤。值越低越好，最好值為1历涝。

hs_library_size：被捕獲的文庫片段數(shù)量估計(jì)值
hs_penalty_10x：80% 靶向區(qū)區(qū)域堿基達(dá)到 10X時(shí)的捕獲罰分诅需。即：當(dāng)設(shè)計(jì)10M的靶向區(qū)域時(shí)，要得到 10X coverage荧库， 需要測(cè)序堰塌，直到 PF_ALIGNED_BASES =10^7 * 10 * HS_PENALTY_10X.
hs_penalty_20x：想要80%區(qū)域到達(dá) 20X coverage。
hs_penalty_30x
hs_penalty_40x
hs_penalty_50x
hs_penalty_100x

3）target 覆蓋度評(píng)估分衫，評(píng)估下游分析中的可靠性场刑。比如target 區(qū)域平均覆蓋度，不同覆蓋度水平的堿基比例蚪战，不同條件過濾的堿基比例牵现。按照所有條件過濾后計(jì)算這些指標(biāo)。
mean_bait_coverage：所有 bait 位點(diǎn)上的平均覆蓋度邀桑。
pct_usable_bases_on_bait： 可使用的 PF 堿基中瞎疼，比對(duì)到 bait 上的去重的堿基數(shù)量。
pct_usable_bases_on_target： 可使用的 PF 堿基中壁畸，比對(duì)到 target 上的去重的堿基數(shù)量贼急。
fold_enrichment：擴(kuò)增區(qū)域被擴(kuò)增的倍數(shù)
mean_target_coverage： target 區(qū)域平均覆蓋度。
median_target_coverage：覆蓋度
max_target_coverage：覆蓋度
min_target_coverage：覆蓋度
zero_cvg_targets_pct：target 區(qū)域覆蓋度<1的比例捏萍。

不同條件過濾的堿基比例：
pct_exc_dupe：標(biāo)記為重復(fù)的 reads 太抓。
pct_exc_adapter：adapter
pct_exc_mapq：低比對(duì)質(zhì)量
pct_exc_baseq： 低堿基堿基。
pct_exc_overlap： 重復(fù)序列比例照弥。 the second observation from an insert with overlapping reads. 腻异？进副？这揣？
pct_exc_off_target： 比對(duì)到 taget 區(qū)域外。

不同覆蓋度水平的堿基比例：
pct_target_bases_1x：比對(duì)到target 區(qū)域的影斑，不小于 1X的堿基比例
pct_target_bases_2x
pct_target_bases_10x
pct_target_bases_20x
pct_target_bases_30x
pct_target_bases_40x
pct_target_bases_50x
pct_target_bases_100x
at_dropout：與平均覆蓋度相比给赞，低堿基含量（GC<50%）的區(qū)域，偏低的程度矫户。結(jié)果是個(gè)比值片迅，表示總reads中比對(duì)到 低 GC含量區(qū)域的比例。
gc_dropout：高 GC含量的區(qū)域上 reads 比例皆辽。

het_snp_sensitivity：HET SNP 理論值柑蛇。
het_snp_q：HET SNP 理論值的 Q 值芥挣，
sample
library
read_group