GATK BQSR的作用是什么

本篇內容主要講解“GATK BQSR的作用是什么”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“GATK BQSR的作用是什么”吧!

BQSR 全稱叫做 Base Quality Score Recalibration， 可以理解為堿基質量校正。對于變異位點的鑒定，堿基質量是非常重要的。比如測序識別到的一個位點，其堿基和參考基因組上的堿基不同，但是其質量值特別低，此時可以認為是一個測序錯誤，而不是一個SNP位點。

在測序的原始數據中，本身就提供了每個堿基對應的質量值，但是GATK官方認為測序儀提供的堿基質量值，是不準確的，存在誤差的。

某個位點前后的堿基的種類，稱之為上下文環境，會對這個堿基的質量值產生影響。對于A,T,C,G 4種堿基，共有4 x 4 =16 種上下文環境，左側的圖是利用fastq文件中測序儀給出的堿基質量值做的圖，可以看到，對于不同的上下文環境，堿基質量值分布不同；右圖為經過BQSR校正之后，不同上下文環境中堿基質量的分布。可以看到，校正之后，不同的上下文環境的堿基質量分布基本相同。也就是說，BQSR消除了上下文環境對堿基質量的影響。

在堿基質量校正時，主要考慮下列3個因素：

1. 堿基在reads中的位置

2. 堿基的上下文環境

3. 堿基原始的質量值

   
   

根據這3這個因素，首先計算出原始堿基質量中錯誤的分布模型，然后利用這個模型對堿基質量校正，生成新的堿基質量值。

執行BQSR分析包含以下三步

1. 根據原始bam文件中的堿基質量值計算出系統誤差的分布

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}

在計算的過程中， 不考慮已知的變異位點的堿基質量，--known-sites指定已知變異位點對應的vcf文件。這一步對單個樣本進行操作，每個樣本生成一個錯誤模型文件。

2.  綜合多個樣本的模型，生成一個總的模型

命令如下

gatk GatherBQSRReports \
    -I ${sep=' -I ' input_bqsr_reports} \
    -O ${output_report_filename}

3. 根據之前計算的模型對堿基質量進行校正

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會對輸入的bam文件中的堿基質量值進行替換，替換為校正之后的質量值，而原先的質量值保存在OQtag 中，示意圖如下

到此，相信大家對“GATK BQSR的作用是什么”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！