GATK best practices对variation（only for SNPs and Indels)的鉴定以及对上游数据对处理

借助网上的图用下，表表意思（只需要看图和粗体字，小字不用注意）：

看完图来说话，其实你看我这篇文章，目的就是想看gatk best practices 分析的全过程,按先后顺序，给你好看。

• 预处理过程，开始于raw data,可以上fq，也可以上uBAM，并最终产生一个用于call variantion 的bam文件。预处理过程是纠正技术带来的偏差，使数据更适用于变异检出分析。
• 预处理过程之Map to Reference ::::  map reads到参考基因组上，使用bwa比对dna数据，你还需要根据genomic coordinate 来sort后到bam，默认到sort不行滴（工具可以用piCard的SortSam ，参数SORT_ORDER 要用coordinate,当然，也可以在比对步骤上直接加上这个参数，可以少打好些个字母对吧，懒是我们长大翻身后应该发扬的美德)。当然啦，如果你的数据是rna的话，要用STAR来做map，怎么搞的话，看STAR的官网吧，这玩意不是gatk提供的工具。（玩意的发音，我们平时都说玩意儿对吧？我去年看还珠格格的时候，那个皇后，一直说的说玩意YIYIYIYI第四声，看还珠格格十七年，才注意到这个噱头！我以后也可以学她说话嘛）
• 预处理过程之 Mark Duplication ::::  完成与参考基因组的比对之后，可以做重复标记啦！为什么要做重复标记呢？因为后面call variant 时，bam文件中重复的reads是没用的，也就是说，重复多少不是变异检出的有效信息。所以，就在bam中做一下标记，标记为duplication，这样的话，后面gatk的变异检出工具识别到重复的reads，就直接过滤掉带有重复标记的信息，无视它啦。大多数gatk的变异检出工具内部都带有一个 read filter应用，这个应用默认执行。如果你不想执行，说可以自己设置命令告诉它让它不执行的，比如，你需要做不同等位基因的表达分析的时候啦！我不是最可爱的，都不爱我，这一步使用的是piCard里面的工具，也不是gatk的工具。
• 预处理过程之 Split'N'trim ，这一步是对RNA数据的剪切位点的处理，我没做过。dna数据不需要这一步。
• 预处理过程之Realign Indels    ：：：：a) bwa aln 比对结果可能产生一种假象，即真实的 indel 导致比对结果是几个 mismatch，导致变异检测时可能误认为是 snp。b) 该步骤用来确定这种现象和区域，计算最优的一致的序列，然后进行重比对。c) 当变异检测工具是碱基位置时(UnifinedGenotyper)，该步骤可以减少 snp的假阳性及 indel 的假阴性情况。当变异检测是基于局部重组装的工具（ HaplotypeCaller)） ,这一步不用做。(如果我理解错了，请你告诉我，我的联系方式是153,822,9511。）
• 预处理过程之• Recalibrate Bases ：：： 使用机器学习的方法，仿真模拟质量值产生模型，校正仪器产生的质量值。
• VARIANT DISCOVERY（ call and filter)
  • Call Variants :GATK—UnifiedGenotyper ， snp indels各一个模型，( --genotype_likelihoods_model BOTH)。GATK--HaplotypeCaller， 可以对活跃区域的单倍体局部组装（单倍体局部组装算法），体现在 call indel 时表现较好。
• HaplotypeCaller --GVCF 模式：
  1. HaplotypeCaller 运行每个样本数据，生成一个基因组的中间文件 gVCF，（ 当有几百
  个样本的 gVCF 时，可以使用 CombineGVCFs 合并起来，供下一步程序处理。）
  2. 然后将 gVCF 传送给共享基因型工具 genotypeGVCFs 产生 indel 和 snp。
  
• Filtering :
  1. 变异质量值校正 VQSR (variant quality score recalibration)
  2. 机器学习法识别，要求变异检测结果要大，至少 30 个外显子 and /or 至少 一个全基因组
  3. 工具：
  VariantFiltration
  VariantRecalibrator
  ApplyRecalibration
  
• （未完待续）
• Note：2016年中，有一篇文章关于测试碱基校正对变异检测质量的影响的文章，文章表示，该步骤对检测质量几乎没有影响，而且耗时耗内存较多，可以舍弃。然后没过多久，GATK Best Practice就去掉了这几个步骤。目前瘦身的GATK跑起来就几步，很爽。）