SuperAPI AI 工具集

bio-variant-calling-joint-calling

智能体与模型

查看项目

更新于 10-15 21:55

技能介绍

用途:对多个样本进行联合基因型调用(joint calling),通过跨样本信息提升变异检测灵敏度,并在所有样本间保持一致的基因型判定,同时为 VQSR 机器学习过滤和群体等位基因频率分析提供队列基础。

主要能力与流程:先对每个样本用 HaplotypeCaller 以 -ERC GVCF 模式生成 gVCF;小队列(<100 样本)用 CombineGVCFs 合并,大队列用 GenomicsDBImport 导入 GenomicsDB(可按染色体并行,并支持用 --genomicsdb-update-workspace-path 增量添加新样本);再用 GenotypeGVCFs 做联合基因型调用,可从合并 gVCF 或 gendb:// 工作区读取,并可用 -G StandardAnnotation -G AS_StandardAnnotation 添加等位基因特异性注释;最后用 VQSR(建议 >30 样本)或硬过滤得到最终 VCF,多染色体结果可用 bcftools concat 合并。

使用方式:核心命令为 gatk HaplotypeCaller、gatk CombineGVCFs、gatk GenomicsDBImport、gatk GenotypeGVCFs、gatk VariantRecalibrator、gatk ApplyVQSR、gatk VariantFiltration,配合 bcftools index 与 bcftools stats。资料提供了完整流水线脚本示例,涵盖 gVCF 生成、样本映射表构建、GenomicsDB 导入、联合调用、索引与统计。

适用场景:队列研究、群体遗传学、需要 VQSR 的多样本项目,以及增量扩展样本集的分析。

限制与提示:资料未提供具体运行环境、版本要求、耗时或资源基准;仅给出内存与批处理建议,如用 gatk --java-options "-Xmx64g" 增大 Java 堆、GenomicsDBImport 使用 --batch-size 50。VQSR 与硬过滤的阈值、资源文件需按实际项目准备,资料未说明其获取方式。