序列去重-软件picard

重复序列

软件下载安装

picard 去重

什么是重复序列？

        目的片段在建库PCR扩增时，多次重复拷贝的序列。

如何产生？

        由PCR过程中所引入的, 构建测序文库时，通过物理（超声）打断或者化学试剂（酶切）切断原始的DNA序列，然后选择特定长度范围的序列去进行PCR扩增再测序。PCR扩增就是把原来的一段DNA序列复制多次。

为什么需要去除掉？

        PCR反应过程中出现其他非真实变异的碱基错误，其他情况。

软件下载安装

下载：https://github.com/broadinstitute/picard/releases/latest

上述网页会提供三个下载文件选项picard.jar，Source code (zip)，Source code (tar.gz)

一般选择第一个可以直接进行使用。

1. 标记重复序列，以供后续的下游分析（如:GATK）

java -jar picard.jar MarkDuplicate
    I=A1001325-1PC-L1.sort.bam
    O=A1001325-1PC-L1.sort.redup.bam
    M=picard.txt

2. 直接删除bam 文件中的重复序列，则将REMOVE_DUPLICATES设置为

true.
java -jar picard.jar MarkDuplicate
    REMOVE_DUPLICATES=true
    I=A1001325-1PC-L1.sort.bam
    O=A1001325-1PC-L1.sort.redup.bam
    M=picard.txt

3. 对bam 文件进行排序

java -jar picard.jar SortSam 
    I=A1001325-1PC-L1.sort.bam 
    O=A1001325-1PC-L1.namesort.bam 
    SO=queryname

总结

是否去重，取决于的建库方式，测序策略，项目要求。

参考：

"去重"在肺癌NGS数据分析中的重要作用 doi:10.3971/j.issn.1000-8578.2018.17.0954

https://xueshu.baidu.com/usercenter/paper/show?paperid=261a2db7ac1b4cf570398c2306bd4463