体细胞变异检测#

本章介绍用 GATK Mutect2 流程检测体细胞 SNV 和 indel，支持肿瘤–正常配对（T/N）和仅肿瘤（tumor-only）两种模式。BaizeGen 的 mutect2 及其配套工具是 GATK 4.6.2 Mutect2 流程的移植，包括 FilterMutectCalls 的全部过滤器、读段方向偏好（F1R2）模型和样本污染估计。

概述#

所需输入#

• 肿瘤样本的 BAM，以及（配对模式下）同一个体正常样本的 BAM。BAM 需按坐标排序、标记重复并带索引，可按胚系流程的第 1、3 步生成。
• 参考基因组 FASTA，需要 .fai 和 .dict。
• 推荐的资源文件（bgzip 压缩并带 tabix 索引）：
  • GERMLINE_RESOURCE：带 INFO/AF 的人群频率 VCF（如 gnomAD af-only），用作胚系变异先验。
  • PON：Panel of Normals，由一组正常样本得到的系统性假阳性位点。
  • COMMON_SNPS：带 INFO/AF 的常见双等位 SNP 位点，用于估计污染。

流程步骤#

1. mutect2：检测原始体细胞候选变异，同时输出 F1R2 计数。
2. learnreadorientationmodel：从 F1R2 计数学习读段方向偏好（如 FFPE、氧化损伤）的先验。
3. getpileupsummaries + calculatecontamination：估计样本间污染比例。
4. filtermutectcalls：综合以上结果过滤候选变异。

分步说明#

1. 检测原始候选变异#

肿瘤–正常配对：

baizegen-gpu mutect2 --device gpu -R REFERENCE \
    -I TUMOR_BAM -I NORMAL_BAM --normal-sample NORMAL_SAMPLE_NAME \
    --germline-resource GERMLINE_RESOURCE --panel-of-normals PON \
    --f1r2 F1R2_COUNTS -t NUMBER_THREADS -O UNFILTERED_VCF

仅肿瘤：

baizegen-gpu mutect2 --device gpu -R REFERENCE -I TUMOR_BAM \
    --germline-resource GERMLINE_RESOURCE --panel-of-normals PON \
    --f1r2 F1R2_COUNTS -t NUMBER_THREADS -O UNFILTERED_VCF

• TUMOR_BAM、NORMAL_BAM：分别给出即可，无需事先合并，肿瘤在前。
• NORMAL_SAMPLE_NAME：正常样本 BAM 读组中的 SM 名称。肿瘤样本名默认取另一个样本，也可以用 --tumor-sample 指定。
• F1R2_COUNTS：F1R2 计数文件，供下一步使用。
• UNFILTERED_VCF：原始候选 VCF（.vcf 或 .vcf.gz）。同时写出统计文件 UNFILTERED_VCF.stats，过滤时会自动读取。
• 只分析部分区域时用 -L chr:start-end（可重复）；外显子 / panel 数据建议按染色体或捕获区域限定。
• CPU 版去掉 --device gpu。-t N 按 1 Mb 区块并行，峰值内存约为 N × 最深区块所需；内存紧张时减小 --chunk-size。

2. 学习读段方向偏好模型#

baizegen learnreadorientationmodel -I F1R2_COUNTS -O ORIENTATION_PRIORS

-I 可以重复，多个分区域运行的计数会被合并。

3. 估计样本污染#

baizegen getpileupsummaries -I TUMOR_BAM  -V COMMON_SNPS -O TUMOR_PILEUPS
baizegen getpileupsummaries -I NORMAL_BAM -V COMMON_SNPS -O NORMAL_PILEUPS    # 仅配对模式
baizegen calculatecontamination -I TUMOR_PILEUPS [-matched NORMAL_PILEUPS] \
    -O CONTAMINATION_TABLE [-segments SEGMENTS_TABLE]

• TUMOR_PILEUPS、NORMAL_PILEUPS：常见 SNP 位点上的参考 / 变异 reads 计数表。
• CONTAMINATION_TABLE：污染比例估计，供过滤使用。
• -matched：用正常样本确定位点的基因型（配对模式推荐）。

4. 过滤#

baizegen filtermutectcalls -V UNFILTERED_VCF -R REFERENCE \
    --ob-priors ORIENTATION_PRIORS --contamination-table CONTAMINATION_TABLE \
    -O FILTERED_VCF

• 输出 FILTERED_VCF 中通过过滤的记录 FILTER 为 PASS，其余记录标明未通过的过滤器（如 weak_evidence、germline、orientation、contamination、clustered_events、strand_bias、panel_of_normals 等）。
• --ob-priors 启用读段方向过滤器，此时必须给 -R。
• 统计文件默认读取 UNFILTERED_VCF.stats，也可以用 --stats 指定。

全部参数见体细胞变异工具参考。