几款计算测序深度和覆盖度的软件或模块

1. BAMStats

BAMStats是一款从BAM文件中计算覆盖度和其他数据,并生成这些数据的描述性统计的工具

1.1 安装
wget https://jaist.dl.sourceforge.net/project/bamstats/BAMStats-1.25.zip
unzip BAMStats-1.25.zip
rm -f BAMStats-1.25.zip
cd BAMStats-1.25/
1.2 使用

java -jar BAMStats-1.25.jar -h
-d, --distances: edit distance statistics(不清楚是什么指标)
-f, --features: bed or gtf
-l, --lengths: mapped read length
-m, --mapped: coverage statistics, for mapped regions only
-q, --qualities: mapping quality (MAPQ) statistics
-s, --starts: start position statistics
-v, --view: output format, 'simple' or 'html', default 'simple'
-i, --infile
-o, --outfile

1.2.1 错误信息
参考基因组的染色体数目太多(可能参考基因组上有一些染色体的小片段还没有定位)
java -jar -Xmx6g BAMStats-1.25.jar -i *.smr.bam -o test --view simple
ERROR: Sorry, 1471 are too many references to display sensibly in 'html' format. Either try 'simple', or use the GUI version.
系统设置不对,不能使用GUI
java -jar -Xmx4g BAMStats-GUI-1.25.jar
Exception in thread "AWT-EventQueue-0" java.awt.HeadlessException: 
No X11 DISPLAY variable was set, but this program performed an operation which requires it.

第二个错误的解决办法见https://www.cnblogs.com/princessd8251/p/4000016.html,但需要管理员权限。这里为了演示,只取了bam的前1000000行(集中在第一条染色体),并修改header。

java -jar -Xmx6g BAMStats-1.25.jar -i head_and_part.sam -o test
lsx test
ref        N           mean      median    sd        q1        q3        2.5%      97.5%     min       max      
NC_027757.2 10,000,000  14.02     11.00     15.43     0.00      22.00     0.00      45.00     0         820

把几个选项都加上,看看增加了些什么
java -jar -Xmx6g BAMStats-1.25.jar -d -l -m -q -s -v simple -i head_and_part.sam -o test1
lsx test1
几款计算测序深度和覆盖度的软件或模块_第1张图片

median, q1, q3是四分位数, 2.5%和97.5%也是类似的

改为网页输出,看看有什么变化
java -jar -Xmx6g BAMStats-1.25.jar -d -l -m -q -s -v html -i head_and_part.sam -o test2
cd test2.data/
生成了很多图片和网页链接,每一个链接呈现如下的一个板块,并且同时包括直方图、累计直方图、箱线图
Coverage.html
EditDistances.html
MappedCoverage.html
MappingQuality.html
ReadLengths.html
StartPositions.html

以Coverage distribution (mapped only)为例

几款计算测序深度和覆盖度的软件或模块_第2张图片
几款计算测序深度和覆盖度的软件或模块_第3张图片
几款计算测序深度和覆盖度的软件或模块_第4张图片
1.3 注意
  1. BAMStats通常需要分配2至6GB的内存(Java程序可以使用-Xmx来设置)
  2. SAM或者BAM格式均可,但需要排序

2. samtools depth/stats

2.1 samtools depth得到每一个碱基上的测序深度,可以加上bed文件

samtools depth -b bed *.smrb.bam > bedbase_depth.txt

chr1            1146705         104
chr1            1146706         107
chr1            1146707         107
chr1            1146708         107
chr1            1146709         109

然后自己编写脚本(划定指定区域进行分析),就能得到测序深度与覆盖度的关系,类似于在20X, 30X, 50X等深度下,覆盖度是百分之多少。也可以通过划定窗口的方式,看一系列窗口的平均深度,然后从整条染色体的角度分析哪块儿深度低了,哪块儿深度高了,能说明什么问题等等。

2.2 samtools stats能对比对后的bam进行很全面的统计

samtools stats *.smrb.bam > bamstat.txt
grep ^SN bamstat.txt | cut -f 2-

sequences:      134013154
reads mapped:   133144413
reads mapped and paired:        132860280
reads unmapped: 868741
reads properly paired:          123414550
reads duplicated:               13863532
还有碱基数目, average length, average quality, insert size average等等统计量

还可以得到可视化的一些结果

plot-bamstats -p ./ bamstat.txt

几款计算测序深度和覆盖度的软件或模块_第5张图片

3. GATK DepthOfCoverage

在捕获测序的评估中比较适用,因为捕获测序一般有bed范围,也需要在不同深度下评价。

${java_path} -Xmx4g -jar ${gatk3_path} -T DepthOfCoverage \
-R ${ref} \
-o ${out_dir}${sample}/${sample} \
-I *.smrb.bam \
-L ${bed} \
--omitDepthOutputAtEachBase --omitIntervalStatistics \
-ct 1 -ct 5 -ct 10 -ct 20 -ct 30 -ct 50 -ct 100  可以随意设置,且注意是大于号

会生成四个文件
sample_cumulative_coverage_counts
sample_cumulative_coverage_proportions
sample_statistics
sample_summary

重点看一下summary文件
sample_id       total   mean    granular_third_quartile granular_median granular_first_quartile %_bases_above_1 %_bases_above_5 %_bases_above_10        %_bases_above_20        %_bases_above_30        %_bases_above_50        %_bases_above_100
17L0292145      417397895       461.76  500     443     322     99.9    99.7    99.6    99.4    99.2    98.7    97.1
Total   417397895       461.76  N/A     N/A     N/A

4. bamdst

这个之前总结过,https://www.jianshu.com/p/ac7b8e4d76e4


reference

http://bamstats.sourceforge.net/

你可能感兴趣的:(几款计算测序深度和覆盖度的软件或模块)