【直播】我的基因组49:Y染色体的SNV不能用常规流程来找?

在上一次直播中,我们说到了一个不符合我们的认知的问题。就是我的全基因组测序数据里找到的SNV的纯合杂合比例失衡,这着实让我非常纠结。在朋友圈大量求助中,肿瘤所的朋友非常热心的帮我检查了她手头的几百个外显子测序样品,给了我下面这个表格,我简单的截取一部分。从这张表格中可以看到,女性样本X染色体的纯合杂合比例符合我们的认知。

不过,我更好奇女性样本的Y染色体SNV(虽然理论上女性是不可能有Y染色体的)。而且我真正想看的是男性样本的性染色体,在朋友电脑里面只有sort好的bam文件,没有vcf直接统计。所以我就借了朋友的电脑亲自上阵来统计这些指标,把所有她已有的外显子测序文件批量统计一下:

为了节省时间,我就用了bcftools来做SNP-calling,批量统计的代码如下:

  1. ls /media/cancer_path/*bam |while read id
  2. do
  3. file=$(basename $id )
  4. sample=${file%%.*}
  5. echo $sample
  6. samtools mpileup -r X -ugf /media/software/bwa/human_g1k_v37.fasta $id | bcftools call -vmO z -o $sample.chrX.vcf.gz
  7. samtools mpileup -r Y -ugf /media/software/bwa/human_g1k_v37.fasta $id | bcftools call -vmO z -o $sample.chrY.vcf.gz
  8. echo "chrX"
  9. zcat $sample.chrX.vcf.gz |perl -alne 'next if /^#/;/DP=(\d+);/;print if $1>20'|grep -v "^#" |cut -f 10|cut -d":" -f 1|sort |uniq -c
  10. echo "chrY"
  11. zcat $sample.chrY.vcf.gz |perl -alne 'next if /^#/;/DP=(\d+);/;print if $1>20'|grep -v "^#" |cut -f 10|cut -d":" -f 1|sort |uniq -c
  12. done

得到的统计表格我稍微进行了整理了(左边是男性,右边是女性):

假设朋友给我提供的性别与样本对应表格是准确无误的!

那么她提供的样本中:女性的X染色体的杂合数量远高于X的纯合。这合情合理,而且女性没有Y染色体,但是X,Y有同源区域,所以女性样本仍然会有Y染色体的SNV,也符合情理,毕竟比例很小嘛。

而她提供的男性样本数据里面出现我现在全基因组数据结果相同的困惑,明明男性只有一条X和一条Y染色体,那么上面的SNV应该是纯合的,但是这里面都是杂合的多于纯合的。跟我面临的情况一模一样!

对此,我提出了几个假设:

1.就是人类的X,Y染色体同源区域太多了,即使是PE150的建库测序策略也无法保证reads正确的匹配到参考基因组应有的位置。

2.参考基因组在这两条染色体本来就是模糊不清。

3.我们常规的SNV calling流程在,X,Y染色体上面,准确率很有限!

既然我已经在大样本里面验证了这个现象,那么可以暂时排除是公司把我的样本弄错了那个假设啦!

接下来,我就需要详细解释我自己提出的3个假设咯!

同时在这里向朋友圈给我提出各种建议的朋友表示衷心的感谢!

下面是大家的建议列表的部分摘抄:

不是说男性的就一定都是纯合的,只是男女比例不一样。这在之前的gwas中也可以观察到。甚至有可以导致性别完全误判的个例基因组型。

xy是绝大部分是同源的,这个现象正常。再有看下突变比例分布,0/1什么的说明不了太多问题。选uniq的方法是什么?最差的结果是,你的数据是混lane测的,污染了。

可能1: 女性样品污染;

可能2: 搜索gametologys evolution;

可能3: chr x link gene tends to be duplicate more .

男性中X,Y上出现0/1的情况主要是同源区域导致,这个可以从这些0/1突变所在区域发现,这些突变强烈富集,主要集中在几个同源区域。但是X,Y上1/1的突变就分布均匀很多了

对了,有朋友反映用我的samtools和bcftools代码报错,我看了一下,只是因为他们的samtools和bcftools没有升级到最新版,所以给大家提醒一下:

  1. ## Download and install samtools
  2. ## http://samtools.sourceforge.net/
  3. ## http://www.htslib.org/doc/samtools.html
  4. cd ~/biosoft
  5. mkdir samtools && cd samtools
  6. wget https://github.com/samtools/samtools/releases/download/1.3.1/samtools-1.3.1.tar.bz2
  7. tar xvfj samtools-1.3.1.tar.bz2
  8. cd samtools-1.3.1
  9. ./configure --prefix=/home/jianmingzeng/biosoft/myBin
  10. make
  11. make install
  12. ~/biosoft/myBin/bin/samtools --help
  13. ~/biosoft/myBin/bin/plot-bamstats --help
  14. cd htslib-1.3.1
  15. ./configure --prefix=/home/jianmingzeng/biosoft/myBin
  16. make
  17. make install
  18. ~/biosoft/myBin/bin/tabix
  19. ## Download and install bcftools
  20. ## http://www.htslib.org/download/
  21. ## http://www.htslib.org/doc/bcftools-1.0.html
  22. cd ~/biosoft
  23. mkdir bcftools && cd bcftools
  24. wget https://github.com/samtools/bcftools/releases/download/1.3.1/bcftools-1.3.1.tar.bz2
  25. tar xvfj bcftools-1.3.1.tar.bz2
  26. cd bcftools-1.3.1
  27. make
  28. cp bcftools /home/jianmingzeng/biosoft/myBin
  29. ~/biosoft/myBin/bin/bcftools --helpniq -c
  30. done

文:Jimmy

图文编辑:吃瓜群众

原文发布于微信公众号 - 生信技能树(biotrainee)

原文发表时间:2017-01-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

超有趣!手把手教你使用树莓派实现实时人脸检测

2656
来自专栏生信技能树

【直播】我的基因组52:X和Y染色体的同源区域探索

很久以前,我其实就遇到过通过NGS测序数据来判定性别的难题(搜索我博客即可查看详情),本次探究自己的基因组得到的统计结果与常识不符,所以我可以肯定是我们的常识太...

28811
来自专栏机器之心

开源 | 基于Metal的机器学习框架Bender:可在iOS上运行TensorFlow模型

选自GitHub 机器之心编译 参与:吴攀 在正在举行的 WWDC 2017 上,苹果宣布发布了 Metal 2,详情可参阅机器之心的报道《苹果开发者大会 W...

3389
来自专栏计算机视觉战队

实战——目标检测与识别

最近总是有很多入门的朋友问我,我进入计算机视觉这个领域难不难?是不是要学习很多知识?到底哪个方向比较好?。。。。。这些问题其实我也不好回答他们,只能衷心告诉他...

2735
来自专栏有趣的Python和你

玩转itchat,实现好友信息可视化、聊天机器人及性别模型构建

前些日子,女朋友拿我手机玩,说我微信好友女生多,当时我就不服了(跪着认错了),然后两人一个个统计性别,我微信好友不算多,但也有300来个,人工统计实在费事,之后...

951
来自专栏WOLFRAM

Mathematica 11.1.1 中文版已发布

1193
来自专栏目标检测和深度学习

Kaggle放大招:简单几步实现海量数据分析及可视化

Kaggle Kerneler bot是一个自动生成的kernel,其中包含了演示如何读取数据以及分析工作的starter代码。用户可以进入任意一个已经发布的项...

390
来自专栏生信技能树

一篇文章学会ChIP-seq分析(下)

写在前面:《一篇文章学会ChIP-seq分析(上)》《一篇文章学会ChIP-seq分析(下)》为生信菜鸟团博客相关文章合集,共九讲内容。带领你从相关文献解读、资...

5727
来自专栏新智元

强化学习练就18般武艺!伯克利开源DeepMimic

还记得今年4月伯克利BAIR实验室发布的那个会“18般武艺”的DeepMimic模型吗?他们使用强化学习技术,用动作捕捉片段训练模型,教会了AI智能体完成24种...

631
来自专栏Python中文社区

利用人工智能实现小程序自动答题

之前有看到有人用python实现自动运行微信小程序《跳一跳》,后来看到别人用hash码实现《加减大师》的自动答题领取娃娃,最近一直在研究深度学习,为啥不用机器学...

1692

扫码关注云+社区