使用EXCAVATOR2检测WES的CNV
excavator2是一款利用WES数据进行CNV分析的软件，其他同类软件通常只关注捕获的exon区域，而该软件则进行了延伸，将捕获区域划分为exon和非exon区域两部分，在校正测序深度的分布时对这两部分区域分别分别进行处理，对应的文章发表在Nucleic Acids Research上，链接如下
https://academic.oup.com/nar/article/44/20/e154/2607979
该软件的源代码保存在sourceforge上，链接如下
https://sourceforge.net/projects/excavator2tool/
excavator2在计算测序深度时将reads分为了以下两个部分
- in-target reads
- off-target reads
in-target表示的是位于exon上的序列，off-target表示的是位于基因间区或者内含子区的序列，同样采用了滑动窗口的方式来统计每个区域的测序深度，只不过稍作变化，全称如下
mean windows read count
简称WMRC, 计算公式如下
单个外显子直接作为一个窗口，而非外显子区域则采用了一个固定长度的窗口，分开统计不同区域的测序深度，并进行校正，校正的时候考虑了GC含量，不同区域的mappability, 外显子的大小等因素。
利用归一化之后的测序深度，计算对照样本和实验样本的log2 ratio值，然后采用HSLM segmentation算法划分segment, 最后通过FastCall算法预测每个segment的拷贝数情况，细分为以下5种
- two-copy deletion
- one-copy deletion
- normal
- one-copy duplication
- multiple-copy duplicaiton
该软件支持hg19和hg38两个版本，内置了对应的数据库，示意如下
该软件分成了3个模块，对应3个脚本，具体操作步骤如下
1. TargetPerla.pl
提供一个捕获区域的bed文件，计算in-target和off-target区域的GC含量，mappability值，用于后续的归一化操作，用法如下
perl TargetPerla.pl \
SourceTarget.txt \
myTarget.bed \
MyTarget_w50000 \
50000 \
hg19第一个参数为source target文件，该文件记录了基因组对应的bw文件和fasta文件的路径，内容示意如下
/data/ucsc.hg19.bw /data/hg19.fasta
空格分隔的两列，第一列为bw文件的路径，该文件是软件自带的，位于软件的安装目录，用于计算基因组不同区域的mappability，第二列为fasta文件的路径，用于计算不同区域的GC含量。
第二个参数为捕获区域的bed文件，第三个参数为输出结果的前缀，第四个参数为窗口的固定长度，第五个参数指定基因组的版本。
这一步类似于比对时建立参考基因组的索引，一个芯片建立一次即可，运行成功后，会生成一个文件夹，前缀为MyTarget_w50000。
2. EXCAVATORDataPrepare.pl
计算测序深度，进行归一化处理，用法如下
perl EXCAVATORDataPrepare.pl \
ExperimentalFile.txt \
--processors 6 \
--target MyTarget_w50000 \
--assembly hg19第一个参数是一个空格分隔的txt文件，指定了样本对应的bam文件，输出结果的路径，样本名称信息，内容示意如下
--processors指定并行的线程数，--target参数指定第一步生成的target的名称，--assembly指定参考基因组的版本。
3. EXCAVATORDataAnalysis.pl
执行HSLM segmentation算法和FastCall算法，进行CNV分析，用法如下
perl EXCAVATORDataAnalysis.pl \
ExperimentalFileAnalysis.txt \
--processors 6 \
--target MyTarget_w50000 \
--assembly hg19 \
--output Results_MyProject_w50K \
--mode pooling--mode参数表示样本如何进行比较，支持pooling和paired两种模式，第一种模式将所有的实验样本混合与对照样本进行比较，第二种模式则是配对样本模式，比如癌和癌旁，两两之间进行比较，计算log2 ration值。
第一个参数ExperimentalFileAnalysis.txt是一个空格分隔的txt文件，指定了样本的比较操作，对于pooling模式，其内容示意如下
对于paired模式，其内容示意如下
T表示Treat, C表示Control, 后面的数字用于区分不同样本。
--output指定了输出结果的目录，输出结果中提供了CNV区域对应的txt, VCF等文件，同时还提供了可视化的结果，示意如下
