GATK-HaplotypeCaller简介

众所周知，基因组学最重要的内容之一就是变异检测，一般测序公司会完成snp calling的工作，但是作为一个合格的生信狗，怎能不了解snp calling的原理呢。

目前snp calling主流的方法有bcftools call和GATK HaplotypeCaller，二者原理相近，一般测序公司会同时进行，取snp的交集，今天小果就带大家了解一下GATK HaplotypeCaller的原理。

GATK-HaplotypeCaller的变异检测的基本原理

当HaplotypeCaller运行时，程序会从头开始组装短序列，并进行比对，当序列余参考基因组存在差异时，它可能时测序错误、软件精确度不够、抽样误差等原因，当组装当变异活跃的区域时，HaplotypeCaller会局部重新组装区域来确定基因型，假设一共由30条read比对到这个位点上，其中有20条read都和参考基因组不同，那么很大概率上他就是一个真实变异位点。

SNP calling策略的选择

当你有多个样本时，是应该将所有样本进行snp calling后再merge vcf文件。还是将所有样本作为input文件进行snp calling呢？GATK提供了多个snp calling的策略。

single sample calling：每一个样本单独进行snp calling，然后将每个样本snp calling结果再合成一个总的vcf文件。

batch calling：将样本分组进行snp calling，然后再merge在一起

joint calling：所有样本的bam一起call 出一个包含所有样本变异信息的vcf文件。

通常来说，如果条件允许（服务器：你闭嘴）的话，使用joint calling是较优的选择。因为在joint calling中，所有样本同时进行snp calling，对于低频位点具有更好的calling效果，因为不同样本的测序深度、覆盖率不同，单样本进行snp calling很容易由遗漏，当所有样本同时进行calling时，低频位点可能在别的样本中频率较高，从而更全面的call基因组的变异位点。

好啦，这期就讲到这里，下期咱们继续讨论变异位点的筛选条件。