基因组研究和变异检测领域的重要工具—GATK初识

工欲善其事必先利其器

1GATK

Genome Analysis Toolkit (GATK) 是一套由Broad Institute开发的用于基因组分析的软件工具。其主要用于处理高通量测序数据，特别是从Illumina测序平台得到的数据。GATK的主要功能包括针对单核苷酸多态性(SNPs)和小型插入删除(indels)的变异检测，质量控制，以及数据处理和分析。

GATK以其强大的变异发现管道而闻名，特别是在人类基因组研究中。其流程通常包括几个步骤：原始数据的预处理，比对到参考基因组，变异检测，以及变异质量的校准和过滤。GATK还提供了一系列工具用于特定分析，如拷贝数变异(CNVs)分析和联合基因分型。

2发表文章

题目：The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data 期刊：Genome Research 日期：2010/9 作者：Aaron McKenna（亚伦·麦肯纳）；【通讯】Mark A. DePristo（马克·德普里斯托） DOI：10.1101/gr.107524.110 简述：介绍GATK初版的基础文章，详细描述了工具包的设计和一些主要功能

题目：A framework for variation discovery and genotyping using next-generation DNA sequencing data 期刊：Nature Genetics 日期：2011/5 作者：Mark A. DePristo DOI：10.1038/ng.806 简述：深入介绍了GATK的变异发现能力，并对质量分数校准和变异过滤进行了详细讨论

题目：From FastQ Data to High‐Confidence Variant Calls: The Genome Analysis Toolkit Best Practices Pipeline 期刊：Current Protocols in Bioinformatics 日期：2018/3 作者：Geraldine A. Van der Auwera ；【通讯】Mark A. DePristo DOI：10.1002/0471250953.bi1110s43 简述：详细描述了GATK最佳实践工作流，为用户提供了一套标准的分析步骤，以确保高质量的变异检测

3如何安装

GATK是用Java编写的，通常在github以 zip 压缩包的形式提供可执行的 jar 文件。如果你的系统上安装有合适版本的Java，一般解压即可使用。

github网址

• https://github.com/broadinstitute/gatk/releases

wget -c https://github.com/broadinstitute/gatk/releases/download/4.4.0.0/gatk-4.4.0.0.zip
unzip gatk-4.4.0.0.zip

## gatk4.4下载后文件大小六百多兆，如果网络太差下载不下来的话，可以选择先下载至电脑，然后上传到服务器
## 613M 1月   5 20:15 gatk-4.4.0.0.zip

安装示例

4简要用途

GATK (Genome Analysis Toolkit) 是一套功能强大的工具 ，用于分析高通量测序(HTS)数据，特别是用于变异发现和基因组分析。单单工具索引界面就有三百多个功能模块，其实大部分我们是用不到的，下面简单列举了GATK可以实现的一些主要分析：

1. 数据预处理：
   • 序列读取质量控制（Quality score recalibration）
   • 重复序列标记（Marking duplicates）
   • 局部实时重排列（Local realignment around indels）
   • 基础质量分数校准（Base Quality Score Recalibration, BQSR）
2. 变异发现：
   • 单核苷酸多态性（SNPs）发现
   • 小型插入和删除（Indels）发现
   • 复杂变异的识别
   • 拷贝数变异（Copy Number Variations, CNVs）分析
3. 变异处理与过滤：
   • 变异质量分数校准（Variant Quality Score Recalibration, VQSR）
   • 硬过滤（Hard filtering）用于变异质量控制
4. 变异注释：
   • 注释变异的影响和功能
   • 识别已知的变异位点
5. 基因分型和样本相关分析：
   • 对单个样本或群体样本进行基因分型
   • 联合基因分型多个样本
   • 群体遗传学分析（如等位基因频率，杂合性等）
6. 深度学习工具：
   • 使用深度学习模型改善变异调用（如DeepVariant）
7. 其他分析：
   • 覆盖度分析
   • 遗传连锁不平衡分析
   • 结构变异检测

5资源准备

在使用GATK进行全外显子测序（Whole Exome Sequencing, WES）分析之前，通常进行一系列准备工作以确保分析的顺利进行和结果的准确性，以人类样本为例，通常需要准备 参考基因组、基因组索引文件、参考基因组注释文件、已知变异位点资源（如：dbSNP数、1000 Genomes Project indels、Mills and 1000G gold standard indels、HapMap、OMNI 2.5M SNP array、ExAC或 gnomAD 等 ）

之前可以通过Broad Institute 研究所提供的 ftp 链接下载，但是2020年1月之后已停止访问，目前需要通过有效的谷歌账号在谷歌云下载

• https://console.cloud.google.com/storage/browser/genomics-public-data/resources/broad/hg38/v0/

资源示例

未完待续...