全基因组测序分析流程

全代码

#!/bin/bash
#用户目录及预定义变量
wk_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx_xxx_NGS
code_dir=/media/whq/282A932A2A92F3D2/WHQ/myRscript
fastq_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx_xxx_NGS/fastq
index=$wk_dir/index/gatk_xxxx.fasta
genome=$wk_dir/genomexxxxx38.fasta
known_site_dir=$wk_dir/index/known_sites
dir_prefix=FDSW*
fastq1_suffix=_1.fastq.gz
fastq2_suffix=_2.fastq.gz
#BWA+sort
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input1=$id/$id$fastq1_suffix;input2=$id/$id$fastq2_suffix;sample=$id;index=$index;bwa mem -t 15 -R "@RG\tID:$sample\tSM:$sample\tLB:WGS\tPL:Illumina" $index $input1 $input2|samtools sort -@ 10 -o $id/$id.sorted.bam -
        } 2>$wk_dir/temp/$id'.bwa.sorted.errlog' &
done
wait
#mark_dup+BQSR
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do

        {
                input=$id/$id'.sorted.bam';output=$id/$id'.sorted.markdup.bam';gatk MarkDuplicates -I $input -O $output -M $id/$id'.markdup.matrix'
        } 2>$wk_dir/temp/$id'.markdup.errlog' &
done
wait
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.bam' ;output=$id/$id'.bqsr.table';ref=$genome;know_site1=$known_site_dir/1000G_phase1.snps.high_confidence.hg38.vcf.gz;know_site2=$known_site_dir/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz;know_site3=$known_site_dir/dbsnp_138.hg38.vcf.gz;gatk BaseRecalibrator -I $input -O $output -R $ref --known-sites $know_site1 --known-sites $know_site2 --known-sites $know_site3
        } 2>$wk_dir/temp/$id'.BQSR.1.errlog' &
done
wait
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.bam';output=$id/$id'.sorted.markdup.BQSR.bam';ref=$genome;bqsr=$id/$id'.bqsr.table';gatk ApplyBQSR -R $ref -I $input -O $output -bqsr $bqsr
        } 2>$wk_dir/temp/$id'.BQSR.2.errlog' &
done
wait
#call SNP+INDEL
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.BQSR.bam';output=$id/$id'_raw.vcf';dbsnp=$known_site_dir/dbsnp_138.hg38.vcf.gz;ref=$genome;gatk HaplotypeCaller -R $ref -I $input -O $output --dbsnp $dbsnp
        } 2>$wk_dir/temp/$id'.call.snpindel.errlog' &
done
wait
#gatk分离SNP和indel
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_raw.vcf'
                output=$id/$id'_snp.vcf'
                gatk SelectVariants -select-type SNP -V $input -O $output
        } 2>$wk_dir/temp/$id'.selectvariants.snp.errlog' &
done

for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_raw.vcf'
                output=$id/$id'_indel.vcf';
                gatk SelectVariants -select-type INDEL -V $input -O $output
        } 2>$wk_dir/temp/$id'.selectvariants.indel.errlog' &
done
wait



for id in `ls -d $dir_prefix`
do
        {
        input=$id/$id'_snp.vcf'
        output=$id/$id'_snp.filtered.vcf'
        gatk VariantFiltration -V $input --filter-expression "DP<4 ||  QD < 2.0 || MQ < 40.0 || FS > 60.0 || SOR > 3.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0" --filter-name "Filter" -O $output
        } 2>$wk_dir/temp/$id'.hardfilter.snp.errlog' &
done


for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_indel.vcf'
                output=$id/$id'_indel.filtered.vcf'
                gatk VariantFiltration -V $input --filter-expression "DP<4 ||  QD < 2.0 ||  FS > 200.0 || SOR > 10.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0" --filter-name "Filter" -O $output
        } 2>$wk_dir/temp/$id'.hardfilter.indel.errlog' &

done

wait

for id in `ls -d $dir_prefix`
do
        {
                input1=$id/$id'_snp.filtered.vcf'
                input2=$id/$id'_indel.filtered.vcf'
                output=$id/$id'.filtered.vcf'
                gatk MergeVcfs -I $input1 -I $input2 -O $output
        } 2>$wk_dir/temp/$id'.mergevcf.errlog' &
done

各部分细节
一、准备工作

#需要的文件
#1、SRA库中下载的SRRid（文件）#保存到temp中,命名为srrlist
#2、从ENA库中爬取链接的脚本 #原文件在/media/whq/282A932A2A92F3D2/WHQ/myRscript，保存到code目录下
#!/bin/bash
#创建文件系统
cd $wk_dir
mkdir fastq #存储原始数据及各个阶段的数据
mkdir code#用于存储代码
mkdir index #存储索引数据
mkdir genome #存储基因组fasta数据
mkdir res #存储最终结果数据
mkdir temp #存储中间的temp数据
mkdir otherfile #存储其它过程中间数据
#将构建好的index和基因组分别放到index和genome中


#用户目录及预定义变量
wk_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx_xxxx_NGS
code_dir=/media/whq/282A932A2A92F3D2/WHQ/myRscript
fastq_dir=/media/whq/282A932A2A92F3D2/282A932A2A92F3D2/WHQ/xxx_xxxx_NGS/fastq
index=$wk_dir/index/gatk_xxxx_xxxx.fasta
genome=$wk_dir/genome/xxxx.fasta
known_site_dir=$wk_dir/index/known_sites
dir_prefix=FDSW*
fastq1_suffix=_1.fastq.gz
fastq2_suffix=_2.fastq.gz

二、下载文件(如果是自己测得数据，可以直接将数据放到fastq文件夹中即可)

#下载文件
cp $code_dir/get_fastq_data_from_ena.sh $code_dir/get_fastq_url_from_ena.R $wk_dir/code #将爬取连接和下载的脚本拷贝到code下

 nohup $wk_dir/code/get_fastq_data_from_ena.sh $wk_dir/temp/srrlist $fastq_dir 1> download_ena_data.log 2>download_ena_data.errlog & #传的第一个参数是srrlist，第二个参数是fastq保存的dir

三、整理文件

#整理文件
cd $wk_dir/fastq
ls  SRR*_1*|while read id;do dir=${id%%_*.fastq.gz};mkdir $dir;mv $dir* $dir;done

四、比对、sort

#参考基因组和索引
cd $wk_dir/index
ln -s ../../reference_genome/ #建立基因组文件的软链接
ln -s ../../reference_index/  #建立索引文件的软链接
#比对、排序
cd $wk_dir/fastq
ls -d SRR*|while read id;do input1=$id/$id'_1.fastq.gz';input2=$id/$id'_2.fastq.gz';index=$wk_dir/index/genome_index/gatk_human_hg38.fasta;bwa mem -t 15 -R  "@RG\tID:$id\tSM:$id\tLB:WGS\tPL:Illumina" $index $input1 $input2|samtools sort -@ 15 -o $id/$id.sorted.bam - ;done 1>$wk_dir/temp/mapping.log 2>$wk_dir/temp/mapping.errlog

五、标记重复和BQSR

#mark_dup+BQSR
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do

        {
                input=$id/$id'.sorted.bam';output=$id/$id'.sorted.markdup.bam';gatk MarkDuplicates -I $input -O $output -M $id/$id'.markdup.matrix'
        } 2>$wk_dir/temp/$id'.markdup.errlog' &
done
wait
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.bam' ;output=$id/$id'.bqsr.table';ref=$genome;know_site1=$known_site_dir/1000G_phase1.snps.high_confidence.hg38.vcf.gz;know_site2=$known_site_dir/Mills_and_1000G_gold_standard.indels.hg38.vcf.gz;know_site3=$known_site_dir/dbsnp_138.hg38.vcf.gz;gatk BaseRecalibrator -I $input -O $output -R $ref --known-sites $know_site1 --known-sites$know_site2 --known-sites $know_site3
        } 2>$wk_dir/temp/$id'.BQSR.1.errlog' &
done
wait

六、call SNP和INDEL

#call SNP+INDEL
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'.sorted.markdup.BQSR.bam';output=$id/$id'_raw.vcf';dbsnp=$known_site_dir/dbsnp_138.hg38.vcf.gz;ref=$genome;gatk HaplotypeCaller -R $ref -I $input -O $output --dbsnp $dbsnp
        } 2>$wk_dir/temp/$id'.call.snpindel.errlog' &
done
wait

七、gatk提取SNP和INDEL

#gatk分离SNP和indel
cd $wk_dir/fastq
for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_raw.vcf'
                output=$id/$id'_snp.vcf'
                gatk SelectVariants -select-type SNP -V $input -O $output
        } 2>$wk_dir/temp/$id'.selectvariants.snp.errlog' &
done

for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_raw.vcf'
                output=$id/$id'_indel.vcf';
                gatk SelectVariants -select-type INDEL -V $input -O $output
        } 2>$wk_dir/temp/$id'.selectvariants.indel.errlog' &
done

八、使用gatk推荐的参数进行硬过滤

for id in `ls -d $dir_prefix`
do
        {
        input=$id/$id'_snp.vcf'
        output=$id/$id'_snp.filtered.vcf'
        gatk VariantFiltration -V $input --filter-expression "DP<4 ||  QD < 2.0 || MQ < 40.0 || FS > 60.0 || SOR > 3.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0" --filter-name "Filter" -O $output
        } 2>$wk_dir/temp/$id'.hardfilter.snp.errlog' &
done


for id in `ls -d $dir_prefix`
do
        {
                input=$id/$id'_indel.vcf'
                output=$id/$id'_indel.filtered.vcf'
                gatk VariantFiltration -V $input --filter-expression "DP<4 ||  QD < 2.0 ||  FS > 200.0 || SOR > 10.0 || MQRankSum < -12.5 || ReadPosRankSum < -8.0" --filter-name "Filter" -O $output
        } 2>$wk_dir/temp/$id'.hardfilter.indel.errlog' &

done

wait

for id in `ls -d $dir_prefix`
do
        {
                input1=$id/$id'_snp.filtered.vcf'
                input2=$id/$id'_indel.filtered.vcf'
                output=$id/$id'.filtered.vcf'
                gatk MergeVcfs -I $input1 -I $input2 -O $output
        } 2>$wk_dir/temp/$id'.mergevcf.errlog' &
done
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 217,657评论 6赞 505
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 92,889评论 3赞 394
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 164,057评论 0赞 354
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 58,509评论 1赞 293
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 67,562评论 6赞 392
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 51,443评论 1赞 302
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 40,251评论 3赞 418
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 39,129评论 0赞 276
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 45,561评论 1赞 314
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,779评论 3赞 335
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,902评论 1赞 348
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 35,621评论 5赞 345
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 41,220评论 3赞 328
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,838评论 0赞 22
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,971评论 1赞 269
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 48,025评论 2赞 370
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 44,843评论 2赞 354