我是怎么被基因组坑了10000块钱的

说真的,这都得怪基因组...

    事情起因很简单,我有个课题呢就是对40个人病人做了WES,拿到原始测序数据,经过质控 > mapping > GATK > 注释 > 筛选潜在致病位点 > 大队列sanger验证一条龙服务后,我发现有个被验证的突变位点在其他300个该病患者中一个携带者都没验证到(麻蛋,300个样10000块钱啊,一个都没验证到,老板知道了不得踹死我...)

    这个位点在前期的40个WES的样本中携带率超过90%,队列验证怎么可能一个携带者都没有,这不科学...难道是我的筛选流程有误?

    我怀疑是他们验证实验的问题,最容易出问题的就是扩增的不是目标序列了。于是我要来了跑胶图和引物序列,引物特异性很好,引物序列blast的结果也是目标序列,这说明应该不是扩增的问题。呃..难道是sanger实验有误?还好之前WES的血样还有剩下的,拿去扩增并sanger验证了下,结果让我大吃一惊,这个位点的40个样本的sanger验证一个都没验证到,也就是说这个位点WES的结果和sanger的结果完全不一致..要么公司纯粹在忽悠我,要么就是我的snp calling有误...

    我不想背锅啊..在和公司拉锯式撕b的过程中,我还是自查了整个分析流程,但一无所获。索性我重头跑了一遍,为了排除所有可能存在的干扰因素,我这次跑了两个pipeline,一个是用hg19跑的,一个是用hg38跑的(之前使用hg19跑的),万万没想到啊,这个位点在hg19中是被call出来了,但在hg38中并没有被call出来,这TM就尴尬了..随便找个样本在IGV里放大这个位点一看。

该位点在某个样本A中hg19的IGV结果如下,表现很好啊,这颜色,这分布,这深度,简直perfect!

我是怎么被基因组坑了10000块钱的_第1张图片

但再看下该位点在某个样本A中hg38的IGV结果, WTF,variant-supporting reads不见了..

我是怎么被基因组坑了10000块钱的_第2张图片

    是的,同样位置,hg19中variant-supporting reads怎么在hg38中不见了,我随便找了个hg19中携带该突变的read,根据read name在hg38的bam文件中看这个read死哪去了。然后就发现这一对reads在hg38中完美的匹配到chrUn(unplaced sequences,是人的序列,但不知道在哪)上去了,一搜hg19的fasta里果然没有这条序列。


我是怎么被基因组坑了10000块钱的_第3张图片

    所以呢,就是由于基因组版本差异导致本该map到chrUn上的reads错误的map到了某个基因,然后我就根据错误的mapping结果call出了错误的突变。其实在结果出来之前我已经猜到了可能是由于基因组差异导致的,但看文章里大家对于基因组版本的选择并没有太高的要求,hg19和hg38都ok,我也觉得应该没这么巧吧,结果刚好是版本差异序列产生的假阳性位点。至于我为什么选择hg19的基因组版本,因为hg19的注释数据多啊。。


    以上就是我被基因组坑了10000块钱的整个过程,由于数据敏感性的问题,马赛克打的有点多,分析流程和很多信息没有列出来。当然现在比较重要的是我怎么和老板解释....
    hg38和hg19的差异还不止在于chrUn,hg38还新增了ALT contig,修正了数千的错误序列,GATK也strongly recommend 使用hg38(https://software.broadinstitute.org/gatk/documentation/article?id=11010),我也建议大家都适用hg38吧..至于外部注释信息,可以用liftover转为hg38的再进行注释VCF。

我是怎么被基因组坑了10000块钱的_第4张图片


更多原创精彩视频敬请关注生信杂谈:

你可能感兴趣的:(我是怎么被基因组坑了10000块钱的)