BaizeGen 使用手册 手册版本 2026-11-09

体细胞变异#

本页各工具的用法流程见体细胞变异检测。

mutect2#

体细胞 SNV / indel 检测（GATK Mutect2），输出未过滤的原始候选 VCF，再由 filtermutectcalls 过滤。-t N 和 --device gpu 的输出与 -t 1 的 CPU 运行逐字节相同。

baizegen mutect2 -R REFERENCE -I TUMOR_BAM [-I NORMAL_BAM --normal-sample NORMAL] -O UNFILTERED_VCF [选项]

输入输出#

参数 说明 默认
-R, --reference FILE 参考基因组 FASTA（需要 .fai 和 .dict）。必需
-I, --input FILE 按坐标排序并带索引的 BAM / CRAM（CRAM 用 -R 解码），可重复（读组可以包含多个样本）。肿瘤–正常配对时分别给出，无需事先合并，肿瘤在前。必需
-O, --output FILE 输出 VCF（.vcf / .vcf.gz）。必需
-stats FILE Mutect 统计文件 OUTPUT.stats
-L, --intervals STR 只分析 contig[:start-end]，可重复 全部
--tumor-sample, -tumor S 肿瘤样本名 非正常样本的那个 SM
--normal-sample, -normal S 配对正常样本名，可重复 无（仅肿瘤模式）
--germline-resource FILE 带 INFO/AF 的人群频率 VCF（tabix 索引），用于 POPAF 先验
--panel-of-normals, -pon FILE Panel of Normals VCF（tabix 索引），命中的位点标记 IN_PON
--f1r2 FILE 写出 F1R2 读段方向计数，供 learnreadorientationmodel 使用

检测阈值#

参数 说明 默认
--tumor-lod-to-emit, -emit-lod F 输出候选的 TLOD 阈值 3.0
--initial-tumor-lod, -init-lod F 活跃区域判定的初始 LOD 2.0
--normal-lod F 正常样本 LOD 阈值 2.2
--max-population-af, -max-af F 人群频率上限 0.01
--af-of-alleles-not-in-resource F 资源中没有的等位基因的默认人群频率（< 0 时自动） 自动：仅肿瘤 5e-8，配对 1e-6
--callable-depth N 可检测深度 10
--max-mnp-distance, -mnp-dist N 合并为 MNP 的最大距离 1
--pcr-snv-qual N、--pcr-indel-qual N PCR 错误的 SNV / indel 质量 40、40
--min-base-quality-score N 最低碱基质量 10
--base-quality-score-threshold N PairHMM 中的碱基质量上限 18
--max-reads-per-alignment-start N 每个起始位置保留的最多 reads 数 50
-ploidy, --sample-ploidy N 倍性 2

低频变异活跃区域补救（BaizeGen 扩展，默认关闭）#

参数 说明 默认
--low-vaf-activity-rescue 0|1 启用低 VAF SNV 的活跃区域补救 0
--low-vaf-activity-min-alt-count N 补救所需的最少变异 reads 数 3
--low-vaf-activity-min-qual-sum Q 补救所需的变异碱基质量和 120
--low-vaf-activity-rescue-lod F 补救的 LOD 阈值（自然对数单位） 2.0

运行参数#

参数 说明 默认
-t, --threads N 线程数。N ≥ 2 时按区块并行，输出与 -t 1 相同；峰值内存约为 N × 最深区块所需 1
--chunk-size N 内部区块大小（bp），内存紧张时减小 1000000
--device cpu|gpu gpu：组装、Smith-Waterman 和 PairHMM 在 GPU 上计算（仅 GPU 版），输出与 CPU 相同 cpu
--gpus N|all --device gpu 时使用的显卡数 全部空闲的卡

暂不支持的 GATK 参数（给出即报错退出）：--bam-output / -bamout、--f1r2-tar-gz（读段方向计数请用 --f1r2）、--genotype-germline-sites、--genotype-germline-sites-fraction、--genotype-pon-sites、--gvcf-lod-band、--mitochondria-mode、--dont-use-soft-clipped-bases。

诊断参数#

一般不需要设置。

参数 说明 默认
--fragment-grouping 0|1 1：把重叠的配对 reads 合并为片段计算（GATK 的做法）；0：按单条 read 计算，仅供对照 1

filtermutectcalls#

过滤 mutect2 的原始 VCF（GATK FilterMutectCalls）：硬过滤器、概率性的 weak_evidence 过滤、胚系过滤、读段方向和污染过滤，设置 FILTER 列。

baizegen filtermutectcalls -V UNFILTERED_VCF -O FILTERED_VCF [-R REFERENCE] [选项]
参数 说明 默认
-V, --variant FILE mutect2 的原始 VCF。必需
-O, --output FILE 过滤后的 VCF。必需
-R, --reference FILE 参考基因组（使用 --ob-priors 时必需）
--ob-priors, --orientation-bias-artifact-priors FILE learnreadorientationmodel 输出的读段方向先验，启用 orientation 过滤器
--stats FILE Mutect 统计文件 INPUT.stats
--contamination-table FILE calculatecontamination 的污染表（每样本一个，可重复）
--contamination-estimate F 直接给出污染比例 0.0
--max-events-in-region N clustered_events：区域内事件数阈值 3
--max-events-in-haplotype N clustered_events：单倍型内事件数阈值 2
--f-score-beta F weak_evidence 阈值所用 F-score 的 beta 1.0
--initial-threshold P 初始后验错误率阈值 0.1
--min-slippage-length N 判断聚合酶滑移的参考 STR 长度 8
--pcr-slippage-rate F 聚合酶滑移率 0.1
--normal-p-value-threshold F normal_artifact 的低碱基质量 p 值阈值 0.001
--max-alt-allele-count N multiallelic：TLOD > 5 的变异等位基因最多个数 1
--min-median-base-quality N base_qual：变异 reads 碱基质量中位数下限 20
--min-median-mapping-quality N map_qual：变异 reads MAPQ 中位数下限 30
--min-median-read-position N position：变异位置距 read 末端距离的中位数下限 1
--long-indel-length N 长度 ≥ N 的 indel 在 map_qual 中使用参考 reads 的 MAPQ 5
--log-snv-prior X、--log-indel-prior X 体细胞 SNV / indel 的先验（自然对数） ln(1e-6)、ln(1e-7)
--log-artifact-prior X 变异相对假象的初始先验（自然对数） ln(1e-1)

learnreadorientationmodel#

从 mutect2 --f1r2 的计数拟合读段方向（F1R2）假象的先验（GATK LearnReadOrientationModel）。

baizegen learnreadorientationmodel -I F1R2_COUNTS [-I ...] -O ORIENTATION_PRIORS
参数 说明
-I, --input FILE mutect2 --f1r2 的计数文件，可重复（合并计算）。必需
-O, --output FILE 先验表，供 filtermutectcalls --ob-priors 使用。必需

getpileupsummaries#

统计常见双等位 SNP 位点上参考 / 变异 / 其他等位基因的 reads 数（GATK GetPileupSummaries），供 calculatecontamination 使用。

baizegen getpileupsummaries -I BAM -V COMMON_SNPS -O PILEUPS_TABLE [选项]
参数 说明 默认
-I, --input FILE 带索引的 BAM / CRAM。必需
-V, --variant FILE 带 INFO/AF 的常见双等位 SNP VCF（带索引）。必需
-O, --output FILE 输出的计数表。必需
-R, --reference FILE 解码 CRAM 用的参考基因组 CRAM 头中的 UR
-L, --intervals STR 只统计 contig[:start-end]，可重复 全部
-min-af, --minimum-population-allele-frequency F 人群频率下限（不含） 0.01
-max-af, --maximum-population-allele-frequency F 人群频率上限（不含） 0.2
--minimum-mapping-quality N reads 的最低 MAPQ 50

calculatecontamination#

根据 GetPileupSummaries 的计数表估计样本间污染比例（GATK CalculateContamination），输出供 filtermutectcalls --contamination-table 使用。

baizegen calculatecontamination -I TUMOR_PILEUPS [-matched NORMAL_PILEUPS] -O CONTAMINATION_TABLE [选项]
参数 说明 默认
-I, --input FILE 肿瘤样本的计数表。必需
-O, --output FILE 污染表（sample / contamination / error）。必需
-matched, --matched-normal FILE 配对正常样本的计数表，用于确定位点基因型
-segments, --tumor-segmentation FILE 同时输出肿瘤的次要等位基因频率分段
--low-coverage-ratio-threshold F 相对中位覆盖度的下限 0.5
--high-coverage-ratio-threshold F 相对平均覆盖度的上限 3.0

BaizeGen 使用手册 · 手册版本 2026-11-09。命令行参数以所用版本的 baizegen <命令> --help 为准。