之前抄著gatk的Best Practices做了個somatic的流程，用的是gatk這個頁面發(fā)布的ucsc.hg19.fasta（md5sum a244d8a32473650b25c6e8e1654387d6)。
在測試某贏給的標(biāo)準(zhǔn)品時，發(fā)現(xiàn)有一個經(jīng)他們wes檢驗(yàn)的位點(diǎn)，我這邊無法call出。其實(shí)對于gatk這些疑似bug，我也見怪不怪了，之前查過gatk論壇，發(fā)現(xiàn)這情況不在少數(shù)，官方維護(hù)者似乎也給不出明確的答復(fù)，我倒是遇見過一些由于soft cliping原因出不來的位點(diǎn)(但這種位點(diǎn)是否要保留，我也不太清楚，這里貼個我請教過bcftool的鏈接)，總之gatk用個--alleles強(qiáng)制call，肯定是能出的。如果有想徹底弄明白的朋友，可以看看這兩篇帖子
Why do a clear expected variant not show up in the Mutect2 vcf file – GATK
Mutect2 missing a low AF known deletion – GATK
回過頭發(fā)現(xiàn)還是無法call出，到igv查看此位點(diǎn)，發(fā)現(xiàn)mapping質(zhì)量為0，即匹配到參考基因組多個位置上。

chr6_30856775.png

mutect2默認(rèn)過濾.png

blat結(jié)果chr6.png

>chr6_qbl_hap6
>chr6_mcf_hap5
>chr6_mann_hap4
>chr6_dbb_hap3
>chr6_cox_hap2
>chr6_apd_hap1
>chr6

根據(jù)小道消息(https://springwood.me/ngs-somatic-mutation/)，只保留常染色體與性染色體，結(jié)果是全比上去了，甚至深度還和突變頻率還都提高不少。

chr6_30856775_限定染色體前后.png

image.png

在學(xué)習(xí)gatk此網(wǎng)頁后(Human genome reference builds - GRCh38 or hg38 - b37 - hg19 – GATK (broadinstitute.org)，也就可以了解其用意了,核心思想總之是，去除具有高度多態(tài)性的重疊區(qū)域,因?yàn)檫@些區(qū)域會影響比對質(zhì)量。
那為什么不把chr_random和chr_un這些都刪掉，反正我設(shè)計(jì)bed也沒打算測它們，或許還能提高運(yùn)行速度？
這時候就得考慮實(shí)際實(shí)驗(yàn)時候的脫靶了，chr_random和chr_un都是在人體內(nèi)真實(shí)存在的序列，假設(shè)一個不小心，脫靶測到了這段，比對時候各歸其位還好說。但倘若所用的參考序列里刪了這些chr_random和chr_un，本該比到chr_random和chr_un的序列強(qiáng)行比對上保留的常染色體和性染色體，會有假陽的風(fēng)險。如果覺得不太明白可以看biostars上的這個問題

到這里，問題也就解決了。后面在ucsc晃悠時，我才發(fā)現(xiàn)這個ucsc有對這個問題做出解決(http://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/analysisSet/)

image.png