GATK 是 Genome Analysis ToolKit 的縮寫鸥诽，是一款從高通量測(cè)序數(shù)據(jù)中分析變異信息的軟件箕憾，是目前最主流的snp calling 軟件之一。GATK 設(shè)計(jì)之初是用于分析人類的全外顯子和全基因組數(shù)據(jù)钠龙，隨著不斷發(fā)展，現(xiàn)在也可以用于其他的物種碴里，還支持CNV和SV變異信息的檢測(cè)上真。在官網(wǎng)上，提供了完整的分析流程谷羞，叫做GATK Best Practices溜徙。
4.1.7.0, 叫做[GATK4](https://www.plob.org/tag/gatk4 "查看與 GATK4 相關(guān)的文章")蠢壹。 和之前的版本相比，GATK4在算法上進(jìn)行了優(yōu)化图贸，運(yùn)行速率有所提高，而且整合了picard 軟件的功能偿洁。GATK4基于java 語言開發(fā)的，需要java 1.8 版本涕滋。下載鏈接如下
https://software.broadinstitute.org/gatk/download/
安裝過程如下：
wget https://github.com/broadinstitute/gatk/releases/download/4.1.7.0/gatk-4.1.7.0.zip
unzip gatk-4.1.7.0.zip
(wes) root@1100150:~/wes_cancer/biosoft# tree -L 1 gatk-4.1.7.0/
gatk-4.1.7.0/
├── GATKConfig.EXAMPLE.properties
├── README.md
├── gatk
├── gatk-completion.sh
├── gatk-package-4.1.7.0-local.jar
├── gatk-package-4.1.7.0-spark.jar
├── gatkPythonPackageArchive.zip
├── gatkcondaenv.yml
├── gatkdoc
└── scripts
2 directories, 8 files
解壓縮之后挠阁，可以看到兩個(gè)后綴為.jar的文件溯饵，local用于本地運(yùn)行锨用，spark用于在spark集群上運(yùn)行。實(shí)際使用時(shí)啄巧，直接用gatk這個(gè)可執(zhí)行文件就行了。 通過一個(gè)簡(jiǎn)單的命令跪者，查看程序是否正確安裝
gatk --help
這個(gè)命令能夠打印出所有的子命令，如果打印出來結(jié)果渣玲，說明程序安裝正確。部分子命令截圖如下
子命令后面如果有(picard), 說明這個(gè)功能是繼承于picard軟件逾苫，從這里也可以看出枚钓，GATK4集成了picard軟件的功能。再不需要像之前版本一樣星掰，混合使用picard 和 gatk 了嫩舟。 GATK4 的最佳實(shí)踐給出了5套pipeline
- Germline SNPs + Indels
- Somatic SNVs + Indels
- RNAseq SNPs + Indels
- Germline CNVs
- Somatic CNVs
以上五套pipeline 可以根據(jù)研究對(duì)象是DNA還是RNA進(jìn)行劃分：DNA 測(cè)序（包含1,2,4,5）和RNA 測(cè)序（3）〖已幔可以看到，GATK 更多的是傾向于DNA 測(cè)序數(shù)據(jù)的分析蜀踏。對(duì)于DNA測(cè)序而言掰吕，主要識(shí)別SNP和CNV 兩大類型的變異果覆，每種變異類型又有Germline和Somatic的區(qū)別殖熟。 Germline指的是在胚胎發(fā)育早起出現(xiàn)的變異，這種變異會(huì)在所有細(xì)胞中廣泛存在燎猛，是可以遺傳給后代的變異；Somatic指的是體細(xì)胞變異重绷，身體特定區(qū)域或者組織中出現(xiàn)的變異。通常不會(huì)遺傳給后代愤钾。 在所有的pipeline之前候醒，都存在一個(gè)數(shù)據(jù)預(yù)處理步驟data pre-processing。 GATK4 版本的最佳實(shí)踐并不是直接給出了每個(gè)步驟對(duì)應(yīng)的代碼倒淫，而是給出了幾套它們自己編寫的流程，以供參考镜硕。這些流程以WDL這種workflow 語言進(jìn)行編寫佃扼。官方對(duì)于WDL, 也給出了詳細(xì)的文檔顽馋，幫助我們了解矩欠。
構(gòu)建索引
conda activate wes
cd ~/wes_cancer/data
gunzip Homo_sapiens_assembly38.fasta.gz
time bwa index -a bwtsw -p gatk_hg38 ~/wes_cancer/data/Homo_sapiens_assembly38.fasta
總結(jié)
- GATK4整合了picard軟件，在算法上進(jìn)行了優(yōu)化躺坟，新增了許多新的功能该默。
- 官網(wǎng)給出了基于GATK4的pipeline, 以
WDL這種workflow 流程管理語言編寫策彤。
