二代测序的突变筛选（Variant detection） - ricket-sjtu/bioinformatics GitHub Wiki

突变类型（Types of variants）

  • 点突变（point mutation）：SNP/SNV
  • 插入/删除（Insert/deletion）：indel
  • 拷贝数变异（Copy number variant, copy number alteration）：CNV/CNA
    • 纯合子删除（homozygous deletion）
    • 半合子删除（hemizygous deletion）
    • 获取（gain）
  • 结构性变异（structural variant）
    • 异位（translocation）
    • 外源基因的插入（non-host sequence/pathogen/virus）

输入原始序列：FASTQ

  • 关于FASTQ的格式的更多信息，请参见https://maq.sourceforge.net/fastq.shtml
  • 如果从NCBI SRA下的数据的原始格式是sra，则需要用sratoolkit中的fastq-dump转换为FASTQ格式
  • 一般来说，由于FASTQ是一种文本格式，占据空间较大，一般需要转化为压缩格式.gz或者bz2；现在很多的工具都可以接受压缩格式作为输入

一般分析流程（flow）

  1. 预处理（Preprocessing）
  • 质量控制（quality control）：fastqc
  • 去除低质位点（read trimming）：trimmomatic
  1. 与参考基因组进行比对（mapping to reference genome）
  • 选择参考基因组的版本，对人来说，可以是GRCh37/hg19，现在主流的是38
  • 选择用的比对工具，如bwa，bowtie2，华大的soap等
  • 比对后如何进行处理，常用的工具有samtools，picard等
    • 关于SAM（sequence alignment map）的格式的更多信息，请参见
  1. 突变的发现（variant calling）
  • samtools mpileup可以用于发现突变，突变识别后用samtools tview或IGV等工具进行进一步的可视化分析
  • GATK是Broad Institute开发的由JAVA编写的工具
  1. 突变的功能分析（functional analysis）
  • annovar这个工具整合了比较多的注释信息，是不错的选择。
  1. 结果的可视化展示（visualization）
  • circos是用Perl开发的可视化工具