初識GATK

1.什麼是GATK

GATK是Genome Analysis Toolkit的縮寫，是用來處理高通量測序數據的一套軟體。最初，GATK被設計用來分析人類基因組和外顯子，主要用來尋找SNP和indel。後開，GATK的功能越來越豐富，增加了short variant calling、計算copy number（CNV）和結構變異（SV）等新功能。同時，GATK也越來越廣泛地應用於其他物種的數據分析中。現在，GATK已經成為了基因組和RNA-seq分析過程中，尋找變異的行業標準。

2. GATK分析的pepline

用GATK尋找SNP和Indel，有一個標準的分析流程叫做GATK Best Practise主要包括以下幾個步驟：

1. 數據預處理：對從測序儀下機後的數據進行質控，去除低質量的reads，將過濾後的reads比對到參考基因組上，產生BAM格式的比對文件。
2. 尋找變異：進行variant calling，尋找SNP和Indel，將比對數據存儲在VCF格式的文件中。
3. 使用尋找出的變異位點進行後續的分析。

3.計算機平台和運行環境

GATK支持Linux和MacOS X，不支持Windows系統。GATK是用java語言寫的，所以需要系統安裝Java 1.8，其中的一些工具還依賴R和Python。

4.GATK4中的工具

GATK中提供了豐富的工具，供我們對數據進行操作和處理，主要涵蓋以下方面：

• Copy Number Variant Discovery
• Coverage Analysis
• Diagnostics and Quality Control
• Intervals Manipulation
• Metagenomics
• Other
• Read Data Manipulation
• Reference
• Short Variant Discovery
• Structural Variant Discovery
• Variant Evaluation and Refinement
• Variant Filtering
• Variant Manipulation
• Base Calling
• Read Filters
• Variant Annotations

具體的工具和使用方法可參考官網。

另外，在GATK4中新增加了Picard Toolkit，用來對測序數據進行質控。所有的Picard工具都可以使用GATK命令行調用。