基因组变异检测的工作流程

流程

通常得到的测序数据为fastq格式文件。使用BWA将测序数据fastq文件映射（Mapping）到参考基因组fasta文件，得到比对信息数据sam文件，使用SAMtools view: 将sam转化为bam，sort: reads按映射位置排序，index: 对bam文件建立索引。例如，从SRA数据库中下载了一些sra文件。

# sra -> fastq
fastq-dump --split-3 $filename
# Mapping
bwa mem -t $thread $ncbi36 ${filename}_1.fastq ${filename}_2.fastq | samtools view -@ $thread -b - | samtools sort -@ $thread - ${filename} && samtools index $filename.bam

在进行结构变异检测之前，可能还需要几个改善比对质量的步骤。

标记扩增测序副本
在制备测序文库的过程中，PCR扩增会带来一些测序偏差，所以要尽量去除PCR扩增形成的测序副本（duplicates），使用Picard工具的MarkDuplicates可以去除或标记副本片段。
indel区域重比对
由于测序样本中indel的存在，比对时indel附近会出现大量的碱基错配。局部重比对就是将indel区域重新比对，使附近的错误率降到最低。首先使用GATK[47]中的RealignerTargetCreator根据已知indel来生成重比对的区域，然后使用GATK中的IndelRealigner对目标区域进行重比对。
碱基质量重校准
将比对信息文件里的碱基质量值重新校准，使得能够更加接近参考序列与真实序列之间错配的概率。使用GATK中的BaseRecalibrator工具进行根据一些已知的区域，生成一个质量校准所需的数据文件，利用GATK中的PrintReads工具将经过质量校准的数据输出。

最后，使用各种工具进行变异检测。理论上，得到BAM文件之后就可以用于检测变异了。许多时候，真实数据可以直接下载已经Mapping好的BAM文件。

附录

SAMtools项目组也给出了一个Workflows，建议阅读：http://www.htslib.org/workflow/

上述还提到了两个工具Picard，Genome Analysis Toolkit
GATK也提供了一个Workflows，也建议阅读：https://software.broadinstitute.org/gatk/best-practices/