2023-GATK4-Best Practices|| Gett

老规矩，先奉上学习资料链接：

• https://gatk.broadinstitute.org/hc/en-us/articles/360036194592-Getting-started-with-GATK4

GATK正确的发音为："Gee-ay-tee-kay" (/dʒi•eɪ•ti•keɪ/)，而不是："Gat-kay" (/ɡæt•keɪ/) ，代表：Genome Analysis Toolkit中的粗体字母缩写。

它是一个命令行工具集合，用于分析高通量测序数据，主要用于识别变异。这些工具可以单独使用，也可以连接在一起形成完整的工作流。我们提供端到端的工作流，称为GATK最佳实践，为特定的用例量身定制。

从4.0版本开始，GATK包含Picard工具包，因此所有Picard工具都可以从GATK本身中获得。他们的文档可以在本网站的工具索引部分找到。

本次内容有：

1. Preview the pipelines
2. Quick start for the impatient
3. Requirements
4. Get GATK
5. Install it
6. Test that it works
7. Run GATK and Picard commands
8. Learn the Best Practices
9. Run pipelines
10. Get help
11. Subscribe to forum notifications

1. Preview the pipelines

如果没有服务器可以练习，官网提到他们有一个云平台：cloud platform Terra，使用教程见：GATK on the Cloud with Terra。

2. Quick start for the impatient

• 在Linux或MacOSX上运行;不支持MS Windows。
• 确保你有Java 8 / JDK 1.8
• 下载GATK包：https://github.com/broadinstitute/gatk/releases或获取Docker镜像：https://hub.docker.com/r/broadinstitute/gatk/
• 有两个jars是有原因的，但不用担心；看下一点
• 通过“GATK”包装器脚本调用GATK，而不是直接调用任何一个jar
• 基本语法是 gatk [--java-options "-Xmx4G"] ToolName [GATK args]; 详情请点击这里：https://gatk.broadinstitute.org/hc/en-us/articles/360035531892
• 使用[Terra工作区：https://app.terra.bio/#library/showcase来测试管道并了解每个工具的功能
• 如果您需要帮助，请阅读用户指南：https://gatk.broadinstitute.org/hc/en-us，并在论坛：https://gatk.broadinstitute.org/hc/en-us/community/topics上提问

3. Requirements

需要unix操作系统，Java1.8，还有部分额外的R和Python依赖。相关依赖见：https://gatk.broadinstitute.org/hc/en-us/articles/360035889531。

强烈建议使用Docker容器系统，所有已发布的GATK4版本都可以在Dockerhub中找到预先打包的容器映像：https://hub.docker.com/r/broadinstitute/gatk/

如果你不能使用Docker，请使用我们提供的Conda环境来管理依赖关系，如github存储库README中所述：https://github.com/broadinstitute/gatk/blob/master/README.md

需要Python 2.6或更高版本来运行gatk包装器脚本。

如果遇到Java版本要求方面的困难，请参阅本文以获得帮助：https://gatk.broadinstitute.org/hc/en-us/articles/360035532332

4. Get GATK

GATK包下载：https://github.com/broadinstitute/gatk/releases 或者Docker镜像：https://hub.docker.com/r/broadinstitute/gatk/。

下面的说明假设您已将GATK包下载到本地机器，并计划直接运行它。

下载后，会在结果目录中发现四个文件：

wget https://github.com/broadinstitute/gatk/releases/download/4.4.0.0/gatk-4.4.0.0.zip

unzip gatk-4.4.0.0.zip

gatk
gatk-package-[version]-local.jar
gatk-package-[version]-spark.jar
README.md

为什么有两个jar?顾名思义，gatk-package-[version]- Spark .jar是用于在Spark集群上运行Spark工具的jar，而gatk-package-[version]-local.jar是用于其他一切(包括“本地”运行Spark工具，即在常规服务器或集群上)的jar。

那么，这是否意味着您每次都必须指定要运行哪个程序？不！看到里面的gatk文件了吗?这是您调用的可执行包装器脚本，它将根据命令行的其余部分为您选择合适的jar。

5. Install it

传统意义上不需要安装，因为预编译的jar文件应该可以在任何满足上面列出的要求的POSIX平台上工作。您只需要打开下载的包，并将包含jar文件和启动脚本的文件夹放在硬盘驱动器(或服务器文件系统)上一个方便的目录中。

在bash中，典型的语法是export PATH="/ PATH /to/gatk-package/:$PATH"，其中/ PATH /to/gatk-package/是gatk可执行文件所在位置的路径。请注意，jar必须保持在与gatk相同的目录中才能工作。确保在你的路径中包含最后的/。

还可以在.bash_profile文件中创建可执行文件的别名，这样只需输入gatk就会运行文件路径:alias gatk='/path/to/gatk-package/gatk'。

这里我一般会选择用绝对路径调用它！

6. Test that it works

./gatk --help

可以成功调用出帮助文档：

image-20231108133928616.png

7. Run GATK and Picard commands

工具索引部分列出了可用的工具，并详细描述了可用的选项：https://gatk.broadinstitute.org/hc/en-us/categories/360002369672。调用任何GATK或Picard工具的基本语法如下:

gatk [--java-options "jvm args like -Xmx4G go here"] ToolName [GATK args go here]

可以在这里找到有关GATK命令行语法的更多信息：https://gatk.broadinstitute.org/hc/en-us/articles/360035531892

例如，一个简单的GATK命令是这样的:

gatk --java-options "-Xmx8G" HaplotypeCaller -R reference.fasta -I input.bam -O output.vcf

Picard工具的语法

当在GATK中使用时，所有Picard工具都使用与GATK相同的语法。相对于“Picard”风格语法的转换非常简单;例如，I=input. bam，你现在做-I input.bam。例如，一个简单的Picard命令是这样的:

gatk ValidateSamFile  -I input.bam -MODE SUMMARY

8. Learn the Best Practices

GATK最佳实践是端到端的工作流程：https://gatk.broadinstitute.org/hc/en-us/sections/360007226651，旨在为在高通量测序(HTS)数据中执行变体发现分析提供逐步建议。我们有几个这样的工作流是根据项目目标(根据感兴趣的变量类型)和实验设计(根据排序方法类型)量身定制的。虽然它们最初是为人类基因组研究设计的，但GATK最佳实践可以用于分析各种非人类生物体，包括非二倍体。

最佳实践的文档包括对所涉及过程的高级描述，解释更深入细节的各种文档，以及根据约束和用例可以做出的调整，这些建议的一组实际管道实现，以及可能是最重要的研讨会材料，包括幻灯片、视频和指导您完成每个步骤的教程。

9. Run pipelines

我们提供了GATK最佳实践工作流的脚本实现以及一些额外的辅助/辅助脚本，以便每个人都能更容易地运行这些有时相当复杂的工作流。

这些工作流是用WDL编写的，旨在在任何支持WDL执行的平台上运行。选项列在用户指南的流水线部分：https://gatk.broadinstitute.org/hc/en-us/articles/360035889771。我们的首选是 Cromwell 执行引擎，与GATK一样，它也是由Broad的数据科学平台(DSP)开发的，并且可以作为服务在我们的云平台Terra(以前称为FireCloud)上使用。

如果您选择通过Terra运行GATK工作流，则实际上不需要执行上述任何操作，因为所有内容都已经以随时可运行的形式预加载(软件、脚本，甚至一些示例数据)。在这一点上，这是运行工作流最简单的方法，就像我们在自己的工作中所做的那样。如上所述，我们已经在一个名为Terra的云平台上的预配置工作区中设置了所有的最佳实践管道，因此您可以尝试它们，而无需进行任何设置。您可以将结果与其他管道进行比较，也可以上传您自己的数据(私下和安全地)来测试我们的管道在这些管道上的表现。

这疯狂的推荐他们的云平台Terra，后面去看看要不要收费！！！

10. Get Help

我们通过非常活跃的社区论坛(https://gatk.broadinstitute.org/hc/en-us/community/topics)提供所有支持。您可以根据以下指导原则提出问题并报告可能遇到的任何问题：

在寻求帮助之前

在论坛上发表文章前，请做以下工作：

1.使用每个页面右上角的搜索框，它将搜索所有内容，包括用户指南和论坛。

2.如果有些东西不工作：

• 对所有输入文件运行验证检查，以确保它们的格式正确
• 请参阅用户指南中的“故障排除GATK4问题”部分：https://gatk.broadinstitute.org/hc/en-us/sections/360007226791，该部分涵盖了非错误的常见问题
• 在论坛中搜索以前的报告，例如使用错误消息
• 请再次尝试您正在使用的任何工具的最新版本

寻求帮助时

当询问一个问题时，请包括以下内容：

• 所有版本信息(GATK版本，Java，如果可能的话，您的操作系统)。
• 不要只是告诉我们你在遵循最佳实践——准确地描述你在做什么。
• 包括相关细节，例如平台，DNA或rna测序，WES(+捕获试剂盒)或WGS(无PCR或PCR+)，配对或单端，读取长度，预期平均覆盖范围，体细胞数据等。
• 对于工具错误，包括您运行的完整命令和堆栈跟踪(_i.e.)。如果有的话，那就是终端输出中那一长堆难以读懂的软件官样文章。
• 对于格式问题，包括对bam运行ValidateSamFile或对vcf运行validatvariants的结果。
• 对于奇怪/意外的结果，包括一个说明性的例子，例如附上IGV截图，并详细解释为什么你认为结果是奇怪的-特别是如果你正在处理非人类数据。我们可能没有意识到你的不是常用物种。

我们通常会在一到两个工作日内回复您，但请注意，更复杂的问题(或不明确的报告)可能需要更长的时间来解决。另外，一年中有些时候我们特别忙，我们可能会比平时花更长的时间来回答你的问题。

我们可能会要求您提交一份正式的bug报告，其中包括向我们发送一些测试数据，我们可以使用这些数据自己重现问题。这通常是调试所需要的。请放心，我们将所有传输给我们的数据视为私人和机密。在某些情况下，我们可能会请求您的许可，在我们的测试框架中包含您的测试用例的片段，这是公开访问的。在这种情况下，您有责任与数据的所有者核实您是否被授权允许我们公开该数据。

请注意，本文档指南中的信息是针对最终用户的。对于开发人员来说，源代码和相关资源可以在GitHub上获得。

11. Subscribe to forum notifications

考虑订阅论坛通知和公告，这样当我们回答你的问题时，你就会收到一封电子邮件，当我们在博客上发布新内容时，这是了解新功能和机会的最佳方式。有关说明，请参阅此链接：https://gatk.broadinstitute.org/hc/en-us/articles/360035889511

这份教程写的真棒啊！当然指的原文~