生信软件23 - Samtools和GATK去除PCR重复方法汇总

生信与基因组学

已于 2024-07-02 10:18:54 修改

阅读量1.8k

点赞数 24

分类专栏：生物信息学软件文章标签：数据分析数据挖掘 linux

于 2024-06-21 11:34:21 首次发布

本文链接：https://blog.csdn.net/LittleComputerRobot/article/details/139853610

版权

生物信息学软件专栏收录该内容

44 篇文章

订阅专栏

1. 为什么要去除重复？

在建库测序后，加上接头的DNA片段进行PCR扩增（由于连接flowcell的效率很低，所以需要对片段进行扩增），连接至flowcell上。PCR扩增会导致一个片段会测序多次，当该片段存在变异位点时，如果不去除重复片段则会增加该位点的测序深度，会被分析为真的变异位点，从而增加假阳性率。

2. 去除PCR重复方法

使用工具：samtools和picard （已被整合至GATK中，本人使用版本4.2）

GATK TOOLKIT

2.1 利用FLAG值去除重复

-F参数1024表示过滤PCR重复或光学重复reads，具体FLAG含义参考本人以下文章：

生信分析进阶4 - 比对结果的FLAG和CIGAR信息含义与BAM文件指定区域提取

# f提取，F过滤
samtools view -F 1024 - h sample.bam > sample.rmdup.sam

2.2 利用samtools rmdup标记或去除重复

# 去除重复
samtools rmdup sample.bam sample.rmdup.bam 

# 只标记重复，不去除
samtools markdup sample.bam sample.markdup.bam

# 标记重复后去除重复
samtools markdup -r sample.bam sample.markdup.bam

2.3 利用gatk MarkDuplicate 标记或去除重复

# 标记重复
gatk MarkDuplicate I=sample.sorted.bam O=sample.mkdup.bam M=metrics.txt

# 标记后去除重复
gatk  MarkDuplicate REMOVE_DUPLICATES I=sample.sorted.bam O=sample.mkdup.bam M=metrics.txt