gatk4-germline-snps-indels

参考资料：https://github.com/gatk-workflows/gatk4-germline-snps-indels

Purpose :

Workflows for germline short variant discovery with GATK4.

haplotypecaller-gvcf-gatk :

haplotypecaller-gvcf-gatk4 workflow根据GATK最佳实践在单个样本上以GVCF模式运行GATK4 HaplotypeCaller工具。在执行时，workflow会使用间隔列表文件将HaplotypeCaller工具分散到输入bam示例上。workflow生成的输出将是单个GVCF文件，然后可以将该文件与其他几个GVCF文件一起提供给JointGenotyping workflow，以同时call variants，从而生成多样本VCF。当高效地call for variants in多个样本时，haplotypecaller-gvcf-gatk4 workflows默认的GVCF模式非常有用。但是，对于calling variants for one or a few samples，可以让工作流直接call variants，并通过将输入变量make_gvcf设置为false来输出VCF文件。

Requirements/expectations

• 单个样本的一个可供分析的BAM文件(如RG:SM所示)
• 包含一组用于分散的variant calling间隔列表的文件

Outputs

• 一个GVCF文件及其索引

JointGenotyping.wdl :

该WDL实现了GATK人类全基因组测序(WGS)中种系SNP和Indel发现最佳实践的联合调用和VQSR过滤部分。该工作流需要具有50个或更多GVCF的sample map file，并生成multisample VCF。

注意:
- JointGenotyping-terra.wdl是原始workflow的略微修改版本，以支持对在Terra上运行workflow感兴趣的用户。这些更改包括dockers和disksize的变量，使配置workflow变得更容易。
- 在Terra上创建示例地图可能会很麻烦，请使用generate-sample-map为您创建一个。

Requirements/expectations

• HaplotypeCaller在GVCF模式下生成的一个或多个GVCFs
• 最少50个样品。不支持基因panels。

Outputs

• VCF文件及其索引，使用具有输入VCF中存在的所有样本的基因型的可变质量分数(quality score)重新校准(VQSR)进行过滤。输入VCF中存在的所有位点都会保留；过滤后的位点会在过滤器字段(FILTER field)中进行注释。

Software version requirements :

• GATK 4.1.4.0
• Samtools 1.3.1
• Python 2.7
• Cromwell version support
  • Successfully tested on v37
  • Does not work on versions < v23 due to output syntax

IMPORTANT NOTE :

• VQSR wiring。SNP和INDEL模型是并行建立的，但随后会串联进行相应的重新校准。因为INDEL模型通常首先准备好(因为Indels比SNP少)，所以我们将INDEL重新校准设置为首先应用于输入VCF，而SNP模型仍在构建中。到SNP模型可用时，INDEL重新校准的文件可用作应用SNP重新校准的输入。如果我们反其道而行之，我们将不得不等到SNP重新校准文件可用，尽管INDEL重新校准文件已经存在，然后应用SNP重新校准，然后应用INDEL重新校准。这将导致完整workflow执行的挂钟时间更长(a longer wall clock time)。Wiring the INDEL recalibration是首先要解决的问题。
• 当前发布的"Generic germline short variant joint genotyping"的版本是从workflow的广泛生产版本派生出来的，该工作流程适用于多达20K样本的大型WGS callsets。我们相信，在单个WGS样本上运行此工作流的结果同样准确，但当工作流被修改并在小群体上运行时，可能会有一些缺点。具体地说，修改SNP应用重新校准步骤以获得更高的特异性可能并不有效。用户可以通过查阅收集的SNP部分文件来验证这是否是一个问题。如果最右侧列中列出的truthSensitivity与最左侧列中的targetTruthSensitivity不匹配，则从ApplyVQSR请求targetTruthSensitivity将不会使用准确的筛选阈值。此工作流程尚未在外显子(exomes)上进行测试。
  对基因组的动态散射区间(dynamic scatter interval)生成进行了优化。分散的SNP变量重新校准(scattered SNP VariantRecalibration)可能会因为构建负模型的两个“坏”variants而失败。另外，SNP重新校准的日志过于冗长。
• JointGenotyping workflow没有等位基因子集
  • 对于较大的队列，即使是exome callsets在低复杂度/STR位点也可以有1000多个等位基因
  • 对于具有6个以上可选等位基因(默认情况下)的位点，将返回称为genotypes的基因型，但不返回PLs，因为PL数组变得非常庞大
  • 如果存在AS注释，则可以执行等位基因特定过滤，但数据仍将位于VCF中的一个巨大信息字段(giant INFO field)中
• JointGenotyping的输出被分成许多碎片(shards)
  • 适合在Hail中使用
  • 可以使用GatherVcfs来组合碎片。
• 使用大型样本集的用户可以调用JointGenotyping.wdl工作流中的GnarlyGenotyper任务。但是，在GnarlyGenotyper可以适当处理之前，必须为HaplotypeCaller生产的所有GVCF运行ReblockGVCF测试工具。此处提供了应用重新阻止工具的工作流：ReblockGVCF-gatk4_exomes_goodCompression
• GnarlyGenotyper使用QUAL指数近似值
  • 与GenotypeGVCFs相比，显著提高了性能，但是QUAL输出(因此QD注释)在这两个工具之间可能略有不一致
• 提供的JSON是一个现成的工作流示例JSON模板。用户有责任使用GATK Tool and Tutorial Documentations正确设置参考和资源输入变量
• 运行时参数针对Broad's Google Cloud平台实现进行了优化。
• 有关在Google Cloud平台上或本地运行工作流的帮助，请查看以下教程：(How to) Execute Workflows from the gatk-workflows Git Organization。
• 有关我们的工作流和工具的更多文档，请访问User Guide网站。
• 相关参考资料和资源包可在中访问Resource Bundle。

Contact Us :

• 以下材料由Broad Institute的数据科学平台论坛小组提供。请将任何问题或顾虑向我们的论坛网站之一：GATK或Terra提出。

LICENSING :

版权所有Broad Institute, 2019 | BSD-3本脚本是根据wdl开放源代码许可证(bsd-3) (full license text at https://github.com/openwdl/wdl/blob/master/LICENSE)发布的。但是请注意，它调用的程序可能需要不同的许可证。用户负责在运行此脚本之前检查他们是否有权运行所有程序。

• GATK
• Samtools