生物信息_Call_snp_by_soapsnp_全基因组

生物信息_Call_snp_by_soapsnp_全基因组

 

数据：
人全基因组（100多G，两个gz文件，已去接头，pe测序，90读长）
方法：call_snp_by_soapsnp
每步估计需要投多大（仅作参考）：

Bwa（13G）：
从两个clean.fq.gz到两个.sai再到一个.sam
注：在生成完sam之后检查有没有报错，没有就可以把.sai删掉。
Get_uniq_map_reads（0.5G）:
从.sam到.filter_sam
注：留意.filter_sam.stat中的过滤率（记下来，评估的时候用着），这次均为90多，确认正常。
Samtools_process（0.5G）：
从.filter_sam到.bam，并对bam进行排序生成.sort.bam，对.sort.bam去重复得.rmdup.bam，最后建.rmdup.bam索引。
注：.bam生成之后可以删掉.filter_sam。在去重复之后统计一下去重复率（分别用samtools打开去重复前的.sort.bam和.rmdup.bam文件，并统计行数，行数比即是）
Split_bam_by_chr（0.5G）：
得到按染色体分的bam文件。
注：最好建一个文件夹放这堆bam。其实不分染色体直接callsnp也行，但是慢。
Call_snp_by_soapsnp（4G）：
得到snp
注：最好建一个文件夹放。
统计：filter_sam.stat里面的reads数目和率、rmdup之后的率、结果的平均覆盖度（ref非N且深度不为0的行数/ref非N的行数）及深度（ref非N的行的深度的和/ref非N的行数）、深度分布图（每一个深度的行数和的统计表，并画图）。

 

 

数据：

CR猴子全基因组（4个文库，分别两个约14G的gz文件，未去接头，pe测序，90读长）

Call_snp_by_soapsnp_全基因组

方法：call_snp_by_soapsnp
每步估计需要投多大（仅作参考）：

每个文库分别跑：
Rmadpter（设多大忘了）:
去接头生成两个clean.gz

Bwa（13G?）：
从两个clean.fq.gz到两个.sai再到一个.sam
注：在生成完sam之后检查有没有报错，没有就可以把.sai删掉。
得到4个.sam文件
先把其中一个.sam文件的@开头的头文件（因为同一个样品头文件都一样）cat到一个总的.sam（自己建一个）里面，接着把4个.sam文件除去@开头的行cat到这个sam文件中，这样就得到一个总的sam文件，后面步骤说到的sam文件也就是指这个。后面的步骤就和单个文库的一样。
Get_uniq_map_reads（0.5G）:
从.sam到.filter_sam
注：留意.filter_sam.stat中的过滤率（记下来，评估的时候用着），这次均为80多，确认正常。
Samtools_process（0.5G）：
从.filter_sam到.bam，并对bam进行排序生成.sort.bam，对.sort.bam去重复得.rmdup.bam，最后建.rmdup.bam索引。
注：.bam生成之后可以删掉.filter_sam。在去重复之后统计一下去重复率（分别用samtools打开去重复前的.sort.bam和.rmdup.bam文件，并统计行数，行数比即是）
Split_bam_by_chr（0.5G）：
得到按染色体分的bam文件。
注：最好建一个文件夹放这堆bam。其实不分染色体直接callsnp也行，但是慢。
Call_snp_by_soapsnp（4G）：
得到snp
注：最好建一个文件夹放结果。
统计：filter_sam.stat里面的reads数目和率、rmdup之后的率、结果的平均覆盖度（ref非N且深度不为0的行数/ref非N的行数）及深度（ref非N的行的深度的和/ref非N的行数）、深度分布图（每一个深度的行数和的统计表，并画图）。