云生信学生物信息学

CollectHsMetrics教程:核对bait、target与覆盖指标

作者:发布于 2026-11-22更新于 2026-11-15约 7 分钟阅读
WES覆盖指标:先分清bait与target

WES覆盖指标:先分清bait与target:核对BAM与参考字典;分别准备bait和target;转换区间后检查边界;结合summary与逐靶区结果解读
本文操作与检查路径示意。

CollectHsMetrics用于评估捕获测序表现。运行前要区分bait(捕获探针区)和target(项目希望统计的区域);把同一BED随意填入两项,会改变指标定义。本文以已完成质控的人类WES BAM为例,演示区间转换、指标输出和结果核查。数值用于评估实验与分析,不直接代表变异检测质量。

输入 运行前核对 留档
BAM 排序、样本和参考字典 校验、版本、上游过滤
bait BED 对应探针和试剂版本 来源、坐标和指纹
target BED 项目评估的实际靶区 范围、边界和序列字典

使用同一参考字典转换区间

BAM、FASTA、字典和BED必须使用匹配的组装及contig名称。BED起点为0且末端不包含,Picard interval_list从1起且末端包含;用BedToIntervalList正式转换,不要手工改坐标。转换后抽查序列名和边界,并确认bait、target分别符合试剂和项目定义。

运行并保留逐靶区结果

下面的MAPQ 20、BQ 20和Java堆8 GB是演示设置,应按项目分析约定和实际可用内存调整。PER_TARGET_COVERAGE便于定位低覆盖区,可能产生较大文件;只需要summary时不要额外开启逐碱基输出。

set -euo pipefail
bam=/data/S1.marked.bam
ref=/refs/genome.fa
dict=/refs/genome.dict
baits=/refs/panel.baits.bed
targets=/refs/panel.targets.bed
for f in "$bam" "$ref" "$ref.fai" "$dict" "$baits" "$targets"; do test -s "$f"; done
samtools quickcheck -v "$bam"
mkdir hsmetrics-S1-001
out="$PWD/hsmetrics-S1-001"
gatk --version > "$out/version.txt" 2>&1
gatk BedToIntervalList -I "$baits" --SEQUENCE_DICTIONARY "$dict" \
  -O "$out/baits.interval_list" > "$out/baits.log" 2>&1
gatk BedToIntervalList -I "$targets" --SEQUENCE_DICTIONARY "$dict" \
  -O "$out/targets.interval_list" > "$out/targets.log" 2>&1
test -s "$out/baits.interval_list"; test -s "$out/targets.interval_list"
/usr/bin/time -v -o "$out/resources.txt" \
  gatk --java-options "-Xmx8g" CollectHsMetrics -I "$bam" \
  -O "$out/hs.metrics.txt" -R "$ref" \
  --BAIT_INTERVALS "$out/baits.interval_list" \
  --TARGET_INTERVALS "$out/targets.interval_list" \
  --PER_TARGET_COVERAGE "$out/per_target.tsv" \
  --MINIMUM_MAPPING_QUALITY 20 --MINIMUM_BASE_QUALITY 20 \
  > "$out/run.log" 2>&1
test -s "$out/hs.metrics.txt"; test -s "$out/per_target.tsv"

按定义解释指标,不只看平均深度

先查看metrics文件中的BAIT_TERRITORY和TARGET_TERRITORY是否符合预期,再结合测序量、比对和过滤损失解读覆盖。MEAN_TARGET_COVERAGE是目标区平均深度,PCT_TARGET_BASES_20X是达到20倍覆盖的目标碱基比例;平均值可能被少数高深度区域拉高,所以两项需一起看。跨试剂或版本比较时,bait和target分母可能不同,应按捕获方案分组,不把不同区间集合的汇总值放在同一排名里。PCT类字段通常以小数比例表示,例如0.8对应80%。Fold 80 base penalty反映覆盖均匀性与达到目标深度的代价,需按Picard定义解释。

先检查per-target表的目标数、区间名称和零覆盖记录,确认与转换后的target interval相符;不要把目标数不同的样本直接按原始行号逐行比较。将per-target结果与低覆盖区域、探针设计和样本质控对应起来。on-target异常时先查bait/target、参考版本、污染与比对;总测序量足够但target coverage偏低时,再查捕获均匀性、重复标记、MAPQ和目标区间过滤。不要仅为了提高指标而改BED或过滤阈值。若异常集中在个别样本,比较其测序量、参考头和target覆盖;全批相似异常则优先复查区间版本与运行参数。

批量时记录资源和差异

每个样本使用独立输出目录,并记录输入校验值、参考和区间文件指纹、GATK版本、阈值、summary、逐靶区表、日志、运行时间、峰值内存及文件大小。先测代表样本再安排并发;每次用样本ID关联summary、per-target文件和原始区间清单,避免表格排序后错配。不同批次应固定bait/target定义、GATK版本和过滤条件。若改变MAPQ/BQ阈值,结果应作为另一套分析口径报告。失败时分辨输入/坐标字典错误、工具运行失败和真实低覆盖,不覆盖已审核输出;需要比较样本时同时报告各自QC和实验批次,便于区分实验与设置变化,也方便团队复核结果。

下载练习材料

下载教程 PDF · 下载代码与示例数据 ZIP

先核对包内SHA256清单,再在独立目录复现。

需要额外算力时

适用前提:参考与靶区定义核对正确,配对文件有效,大批外显子捕获质控需额外计算资源。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗