前言

使用真实数据，从零开始进行短序列的WGS分析。只要跟着本文的管道走，就一定可以轻松重复GATK4的分析结果。当然如果读者有自己的数据，只需改变数据文件名，也可以自己轻松做WGS分析，从此再也不需要求人。类似本文一个完整的分析淘宝上的价格是2000-3000人民币。

1. 课题

你手上有一个人的外显子基因组数据，使用GATK4进行分析，你可以得出哪些发现。

2. 目的

对一个外行或者刚入门的小白来说看起来很简单，"查一下基因数据不就好了"。Oh, really?! 真的这么简单的吗，做一下基因对比就真的可以发现什么问题吗？我们可以通过这个教程来实践验证一下。

3. 操作流程

1. Mapping 比对与拼接
   a. 准备好参照序列
   b. 准备好工具，这里我们会用BWA
   c. 准备好样本的短序列数据，演练会提供真实数据的下载链接。
   d. 进行Mapping
2. 变异检测
   a. 去除PCR重复
   b. 变异检测
3. 变异基因的注释
4. 和疫病有关的基因的提取和注释
   a. 一共有多少位置产生了变异？
   b. 需要考虑到样本的性别，毕竟XY和XX不同
   c. 通过耳垢的干湿类型有关的SNP来判断本次样本的耳垢干湿类型
   我们的结果会得到一个VCF文件，里面包含了所有SNP的信息。VCF里比较重要的信息如下列出

GT: Genome Type 基因型
AD: Allele Depth 每一种allele的reads覆盖度
DP: Depth 深度
GQ: Genome Type Score 99分为满分
PL: 0/0, 0/1, 1/1各个基因型的尤度, 三个值加起来的和应该是1，数值越小，可能性越低。

具体的分析管道会在后续的文章里详细说明。