原文見：Validating generalized incremental joint variant calling with GATK HaplotypeCaller, FreeBayes, Platypus and samtools

說到變異檢測(cè)，可能大家第一個(gè)想到的工具就是GATK HaplotypeCaller。它很出名，所以用的人多，為什么用的人多？是因?yàn)榇蠹衣犝f他很準(zhǔn)，但是到底有多準(zhǔn)呢？其實(shí)大家都不會(huì)去深究，不過沒關(guān)系，有人會(huì)幫我們?nèi)プ鲈u(píng)測(cè)。

在2014年就有一篇博客，用NA12878/NA12891/NA12892 trio數(shù)據(jù)集對(duì)GATK HaplotypeCaller, FreeBayes, Platypus 和samtools 這五個(gè)軟件做了一個(gè)比較，下面是比較結(jié)果。

首先作者這幾個(gè)工具同時(shí)對(duì)所有樣本進(jìn)行變異檢測(cè)，因?yàn)樗鼈兌继?hào)稱可以利用群體結(jié)構(gòu)相互驗(yàn)證，提高結(jié)果的正確性。

群體變異檢測(cè)

先不要被這個(gè)條形圖的明顯反差誤差，以為Platypus非常差，其實(shí)它們都在一個(gè)數(shù)量級(jí)上。在同一個(gè)數(shù)量級(jí)上，GATK的HaplotypeCaller在精度和準(zhǔn)確上都的確比其他軟件好。也可以發(fā)現(xiàn)samtools其實(shí)在找indels更加的粗獷，找到了更多本來不存在的indels，但是在snp上的表現(xiàn)其實(shí)是一致的。

下一步是比較群體、混池和單個(gè)樣本檢測(cè)。這里說明一下混池，所謂的混池就是把多個(gè)樣本混在一起測(cè)序，丟失了個(gè)體信息。

為什么要研究單個(gè)樣本的變異效果呢？主要是為了提高效率，便于并行。

混池檢測(cè)表現(xiàn) 單樣本檢測(cè)

這上面兩個(gè)圖其實(shí)和之前那個(gè)圖類似，但是的確在精度上和準(zhǔn)度上有些降低。并且samtools的假陽性依舊非常感人。

最后說說我的看法：

這篇博客主要是看檢測(cè)后的數(shù)據(jù)集效果，而沒有看變異過濾后效果。GATK的優(yōu)勢(shì)在于，能夠利用機(jī)器學(xué)習(xí)的方法根據(jù)已有變異數(shù)據(jù)庫進(jìn)一步提高結(jié)果的準(zhǔn)確度。但是對(duì)于植物而言，所能做的就是硬指標(biāo)過濾。

因此，如果做人類，最推薦的工具是GATK，因?yàn)楸憩F(xiàn)的確很好。而且人類還會(huì)不斷增加樣本，需要使用GVCFS文件解決N+1的問題

如果是植物，我目前就用freebayes了，效率高，表現(xiàn)也不錯(cuò)。同時(shí)強(qiáng)烈推薦閱讀這篇文獻(xiàn)"Single Nucleotide Polymorphism Identification in Polyploids: A Review, Example, and Recommendations"。

植物多倍體找SNP策略1
植物多倍體找SNP策略2

還有這三篇文章(可惜已經(jīng)被原作者刪了)：

• variant分析階段小結(jié)1-基礎(chǔ)知識(shí)
• variant分析階段小結(jié)2-尋找變異并過濾
• variant分析階段小結(jié)3-對(duì)變異進(jìn)行注釋

總結(jié)

以上是生活随笔為你收集整理的推荐阅读：变异检测到底应该用什么软件？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。