千聊教程 | 分析全外显子的覆盖度与深度

基因检测与解读 · 公众号 · · 2017-07-13 06:58

正文

在临床应用全外显子检测遗传病时，首先要看一下质控，待测的基因是否捕获到？有多少区域大于10X? 很多时候基因检测机构并不提供这么具体的信息，可能会笼统的说XX%覆盖，平均深度是XXX，平均深度对于具体的基因并没有实际意义，另外在科研全外显子测序时，销售可能会说10G数据量，平均100X测序深度，实际结果到底是真是假很难说? 如果我们自己学会分析就可以亲自检验啦。

当初小编也是摸索了很长时间才get这个技能，在这里分享自己的代码供需要的朋友参考。

java -Xmx30g -jar /yourGATKFILE/GenomeAnalysisTK.jar-T DepthOfCoverage -R /reference_genome_dir/ucsc.hg19.fasta -o result_name -Ibam.list -L target.bed --omitDepthOutputAtEachBase --omitIntervalStatistics -ct1 -ct 10 -ct 20

稍微解释一下，算法是GATK 的DepthOfCoverage，-R需要输入你的reference genome，bam.list为待分析的样本，可将多个bam放在一个bam.list里，-L 需要提供捕获的区域，为bed格式，如果是agilent的全外显子可在其官方网站下载，-ct1代表至少覆盖1X的区域，-ct10代表至少覆盖10X的区域，你可以自己添加自己想要的深度。

我们以上海某知名测序公司的agilent v5外显子捕获测序为例，总数据量为8G左右，结果如下：

sample_id	total	mean	%above_1	%above_10	%above_20
WGC046119U	6734793499	133.65	99.8	99.2	98
WGC046118U	5966777557	118.41	99.9	99.2	97.6
WGC046101U	7129530413	141.49	99.8	99.3	98.2
WGC046100U	6618615369	131.35	99.9	99.4	98.1

一共4个样本，total代表在捕获区域的总的碱基数，也就是ontarget碱基数，如果我们除以总的测序总量就会得到捕获效率大概为60%左右，也就是40%的数据都是无效的，当然这样的捕获效率在业界算是高的，mean代表平均测序深度，后面是大于1X的捕获区域99.8左右，然后是大于10X的区域为99.3左右，由于人员操作等原因，各公司这一数据的范围在85%-99.5%区间，这一数值对于后面的分析至关重要，如果低于90%就可以说明实验是失败的，再后面是大于20X的区域。