GATK

Broad Institute 的变异分析工具箱，常用于 germline calling、GVCF 联合分型和变异过滤。Genome Analysis Toolkit for variant discovery workflows.

速览 | Quick Look

• 常见输入：reference FASTA, BAM/CRAM, known sites VCF
• 常见输出：GVCF, VCF
• 典型场景：HaplotypeCaller、joint genotyping、BQSR、variant filtering

安装 | Install

mamba install -c bioconda gatk4

常用命令 | Common Commands

单样本 GVCF calling：

gatk HaplotypeCaller \
  -R reference.fa \
  -I sample.sorted.bam \
  -O sample.g.vcf.gz \
  -ERC GVCF

导入多个 GVCF：

gatk GenomicsDBImport \
  --sample-name-map samples.map \
  --genomicsdb-workspace-path cohort_db \
  -L targets.interval_list

联合分型：

gatk GenotypeGVCFs \
  -R reference.fa \
  -V gendb://cohort_db \
  -O cohort.vcf.gz

过滤 SNP：

gatk VariantFiltration \
  -R reference.fa -V cohort.vcf.gz -O cohort.filtered.vcf.gz \
  --filter-expression "QD < 2.0 || FS > 60.0 || MQ < 40.0" \
  --filter-name "basic_snp_filter"

关键参数 | Key Options

• HaplotypeCaller：germline variant calling。
• -ERC GVCF：输出 GVCF 供联合分型。
• GenomicsDBImport：导入多样本 GVCF。
• GenotypeGVCFs：联合分型生成 cohort VCF。
• -R：参考基因组。
• -L：限制 intervals。

常见坑 | Pitfalls

• 参考 FASTA、dict、fai、known sites 坐标体系必须一致。
• GVCF 不是最终结果，通常还要 joint genotyping。
• 生产流程应按项目类型选择官方最佳实践，而不是机械套参数。

参考 | References

• GATK documentation: https://gatk.broadinstitute.org/hc/en-us
• HaplotypeCaller: https://gatk.broadinstitute.org/hc/en-us/articles/360037225632