Strand bias 链偏好

背景

GATK.png

造成链偏好的原因：

1.Local realignment
目的就是将比对到indel附近的reads进行局部重新比对，将比对的错误率降到最低。一般来说，绝大部分需要进行重新比对的基因组区域，都是因为插入/缺失的存在，因为在indel附近的比对会出现大量的碱基错配，这些碱基的错配很容易被误认为SNP。还有，在比对过程中，比对算法对于每一条read的处理都是独立的，不可能同时把多条reads与参考基因组比对来排错。因此，即使有一些reads能够正确的比对到indel，但那些恰恰比对到indel开始或者结束位置的read也会有很高的比对错误率，这都是需要重新比对的。Local realignment就是将由indel导致错配的区域进行重新比对，将indel附近的比对错误率降到最低。

GATK-realignment.png

2.BAQ（gatk BQSR）
对bam文件里reads的碱基质量值进行重新校正，使最后输出的bam文件中reads中碱基的质量值能够更加接近真实的与参考基因组之间错配的概率
在reads碱基质量值被校正之前，我们要保留质量值在Q25以上的碱基，但是实际上质量值在Q25的这些碱基的错误率在1%，也就是说质量值只有Q20，这样就会对后续的变异检测的可信度造成影响。还有，在边合成边测序的测序过程中，在reads末端碱基的错误率往往要比起始部位更高。另外，AC的质量值往往要低于TG。BQSR的就是要对这些质量值进行校正。

当两者同时出现的时候，就会产生大量的链偏好性

Chr Pos     Depth   a1  b2  c3  d4  Forward Strand Genotype Reverse Strand Genotype
6   32975014    21  5   5   10  1   Heterzygous     Homozygous
1   81967962    38  20  11  7   0   Heterzygous     Homozygous
12  10215654    31  15  9   7   0   Heterzygous     Homozygous
1. Forward strand reference allele.
2. Forward strand non reference allele.
3. Reverse strand reference allele.
4. Reverse strand non reference allele.

算法

SB算法

SB.png

gatk-SB

GATK-SB.png

fisher检验算法范围（0-1）

FISHER.png

Pvalue=1-p

三者结果越大越好