GATK4注意事项

近期在测试多样品的WES的过程中发现用HC得到gvcf之后，合并多个样品的gvcf文件的过程中，使用CombineGVCFs的过程中很慢，发现官网推荐使用GenomicsDBImport

用法如下：

gatk GenomicsDBImport 
    -V data/gvcfs/mother.g.vcf 
    -V data/gvcfs/father.g.vcf 
    -V data/gvcfs/son.g.vcf 
    --genomicsdb-workspace-path my_database 
    --intervals chr20,chr21

• --intervals 参数是指定的一个区间或者整条染色体
  The syntax for using -L is as follows; it applies equally to -XL:

• -L chr20 for contig chr20.

• -L chr20:1-100 for contig chr20, positions 1-100.
• -L intervals.list (or intervals.interval_list, or intervals.bed) when specifying a text file containing intervals (see supported formats below).
• -L variants.vcf when specifying a VCF file containing variant records; their genomic coordinates will be used as intervals.

如果是list文件，是从1开始计数

chr1:1-248956422
chr2:1-242193529
chr3:1-198295559
chr4:1-190214555
chr5:1-181538259
chr6:1-170805979

如果是bed文件，是从0开始计数,因此需要将1开始的list减去1

chr1    0    248956421
chr2    0    242193528
chr3    0    198295558
chr4    0    190214554

使用过程中发现，最好是少于100条染色体，不然可能会变得很慢

gatk GenotypeGVCFs 
    -R data/ref/ref.fasta 
    -V gendb://my_database 
    -newQual 
    -O test_output.vcf

gatk SelectVariants 
    -R data/ref/ref.fasta 
    -V gendb://my_database 
    -O combined.g.vcf

• 需要注意的是gatk3的CombineGVCFs是很快的，但是在输入gatk4得到的gvcf结果文件，然后用gatk3进行合并时，会有很多warning的信息
• gatk4的GenotypeGVCFs只支持输入一个gvcf文件了

<wiz_tmp_tag id="wiz-table-range-border" contenteditable="false" style="display: none;">