在具有多个 RG 的 BAM 文件上运行 GATK DepthOfCoverage答案

【问题标题】：Running GATK DepthOfCoverage on BAM files with multiple RG's在具有多个 RG 的 BAM 文件上运行 GATK DepthOfCoverage
【发布时间】：2014-07-31 18:09:54
【问题描述】：

我正在尝试对一些 BAM 文件运行 GATK DepthOfCoverage，这些文件是我从两个原始文件合并而来的（相同的样本在两条通道上测序以最大限度地增加读取次数）。我意识到我的合并文件具有不同读取组的读取（如每个读取的 RG 字段所反映），并且我的两个原始文件的标题在它们的 @RG 字段中有所不同。

我尝试运行 samtools reheader 在标题中添加一个新的@RG 字段，但是当我合并两个文件时，每个读取组都基于两个 BAM 文件的名称，而不是 @RG 中的名称两个 BAM 文件的标头。

例如，我的两个起始样本是：

27163.pe.markdup.bam
27091.pe.markdup.bam

但是当我使用 samtools 合并它们时

samtools merge merged.bam 27163.pe.markdup.bam 27091.pe.markdup.bam

生成的 merge.bam 在标头中具有相同的 @RG 字段，只有两者之一，并且每个读取都有一个基于它来自的文件名称的读取名称：

阅读 1

RG:Z:27091.pe.markdup

阅读 2

RG:Z:27163.pe.markdup

等等。对于 BAM 中的其余读取

我做错了吗？在合并之前我应该重新检查每个原始文件吗？或者只是在合并到与 GATK 兼容的东西后重新开始？似乎无论合并前标头中的 @RG 字段是什么，合并后的文件将始终根据两个输入文件的名称具有不同 RG 的读取。

我也不确定 GATK DepthOfCoverage 想要作为读取组的输入。它是否需要一个 RG 用于所有读取？在那种情况下，我应该使用与 samtools merge 不同的东西吗？

提前感谢您能给我的任何帮助。

【问题讨论】：

标签： java samtools

【解决方案1】：

为了将来参考，请在此处查看已制定的解决方案：

https://www.biostars.org/p/105787/#107970

基本上正确的程序是使用 Picard 而不是 samtools 进行合并，这在 bam 文件读取组词汇方面提供与 GATK 兼容的输出。

【讨论】：