NGSCheckMate：数据配对正确性检查好工具

NGSCheckMate&＃xff1a;数据配对检查好工具

求知若渴 没有BUG

背景

生信小灶

肿瘤NGS或者其它类似数据分析工作&＃xff0c;大的前提就是样本使用的正确性&＃xff0c;然而很多意外的情况都会导致样本的错误使用&＃xff0c;对它们进行质控显得尤其重要。

原理

软件处理fasq、bam、vcf等格式&＃xff0c;获得VAF的信息&＃xff0c;通过计算VAF的相关性&＃xff0c;来判断样本是否来自同一个样本。

如何实现fastq的VAF统计&＃xff1f;

vcf文件中直接存在有VAF的信息&＃xff0c;对于bam&＃xff0c;可以转化成mpileup格式获得VAF信息&＃xff0c;而对于未经比对的fastq&＃xff0c;获得VAF是一件比较困难的事情&＃xff0c;作者的处理非常巧妙&＃xff1a;软件预构建了一个参考SNP的21-kmer的哈希表&＃xff0c;通过reads提取的21-mer与哈希表匹配计算count&＃xff0c;获得VAF的参考信息。

01

安装

安装NGScheckMate

软件非常容易安装&＃xff0c;只需要拷贝源码即可。但是相关的环境与依赖需要进行配置一下。

安装

#下载源码
git clone https://github.com/parklab/NGSCheckMate.git
#配置环境变量
export NCM_HOME&＃61;/NGSCheckMate


配置

#在NGSCheckMate的软件目录&＃xff0c;编辑ncm.conf的文件
#分别指定三个文件的绝对路径
#REF,参考序列的绝对路径&＃xff0c;与生成bam指定为同一个&＃xff1b;
#SAMTOOLS&＃xff0c;samtools程序的绝对路径&＃xff1b;
#BCFTOOLS&＃xff0c;bcftools程序的绝对路径。
REF&＃61;
SAMTOOLS&＃61;
BCFTOOLS&＃61;


02

fastq模式

输入文件

#文件为三列&＃xff0c;read1,read2&＃xff0c;样本名
#不需要表头&＃xff0c;此段注释也不要出现在文件中
/path/NC_1.fq.gz /path/NC_2.fq.gz NC
/path/T_1.fq.gz /path/T_2.fq.gz T


运行命令

#使用python2来运行
python2 /PathOfNGScheckmate/ncm_fastq.py -pt /path/SNP.pt -l /path/NGS.input.list -O ./check_result


03

vcf格式

输入文件

#每行是一个文件
/data1/public/GATK/03_1.NGScheckMate/NC.vcf
/data1/public/GATK/03_1.NGScheckMate/T.vcf


运行命令

python2 /PathOfNGScheckmate/ncm.py -V -l /path/vcf.input.list -bed /path/SNP_GRCh37_hg19_woChr.bed -O ./vcfout


Tips

1&＃xff09;BAM模式和VCF模式非常类似&＃xff0c;只需要将-V参数换为-B参数&＃xff0c;输入文件由vcf的list变为bam的list即可。

2&＃xff09;BAM模式最终仍是对各个样本进行变异检测&＃xff0c;所以自己检测vcf然后使用软件检查也是一样的&＃xff0c;而且可能更加灵活。

结果说明

最终的结果在输出目录中&＃xff0c;*_all.txt&＃xff0c;这个文件即是。文件一共五列&＃xff1a;

样本1&＃xff1b;
是否匹配的结论&＃xff1b;
样本2&＃xff1b;
相关性系数&＃xff1b;
深度。


除此之外还有一些图表&＃xff0c;一般情况没有什么大的价值。

04

软件评价

优缺点

软件比较好装&＃xff0c;也容易配置和使用&＃xff0c;结果易于解读。但是它只能检测出两个样本是否匹配&＃xff0c;但是样本之间是否有相互的污染&＃xff0c;则不能够进行质控&＃xff0c;对于肿瘤的检测&＃xff0c;这个方面的信息仍是需要留意的。

关

于

我

我是国产TESLA&＃xff0c;专注于肿瘤及肿瘤新生抗原的生物信息工程师&＃xff0c;这里记得着我的一些原创探索和心得&＃xff0c;愿能给参与到这个领域的人一些参考。

提醒

“话题”在文章标题下方哦~