GATK4所有模块及其介绍

GATK4是一款基因组分析工具套件，包括多个模块，每个模块都有不同的功能。以下是GATK4的模块及其介绍：

HaplotypeCaller：通过对每个样本的reads进行局部重组，来检测单个样本的变异。
Mutect2：用于检测单样本或对比分析多个样本的SNP和indel变异。
GermlineCNVCaller：检测个体基因组中存在的大片段拷贝数变异。
SomaticCNVCaller：检测肿瘤和正常组织之间的拷贝数变异。
CNNScoreVariants：使用深度神经网络对变异进行分类和评分，从而减少人工筛选的工作。
FilterMutectCalls：移除Mutect2检测到的低质量变异。
CollectReads：从BAM文件中提取reads，用于后续分析。
BaseRecalibrator：对测序数据进行质量校正，以消除Illumina质量分数的偏差。
ApplyBQSR：应用质量校正表来校正BAM文件中的碱基质量分数。
VariantFiltration：根据变异的质量、深度等信息，过滤掉低质量变异。
GenotypeGVCFs：将多个样本的GVCF文件合并，并进行基因型调用。
CombineGVCFs：将多个单样本GVCF文件合并成一个多样本GVCF文件。
ValidateVariants：验证变异数据的质量和一致性。
LiftoverVcf：将VCF文件从一个基因组版本转换到另一个基因组版本。
VariantAnnotator：对变异进行注释，包括功能注释、人口学注释等。
SelectVariants：根据指定的条件从变异集合中选择变异。
FastaAlternateReferenceMaker：根据变异信息和基因组参考序列生成新的个体特异性参考序列。
VariantToTable：将VCF文件转换成表格文件，方便后续处理和分析。
CountVariants：统计变异的数量和类型。
GatherVcfs：将多个VCF文件合并成一个大的VCF文件。
LeftAlignAndTrimVariants：对变异进行左对齐和修剪，使其在基因组上更准确。
VariantRecalibrator：使用机器学习方法对变异进行分类和评分，以减少人工筛选的工作。
ApplyVQSR：应用变异质量评分表来对变异进行筛选和过滤。
LearnReadOrientationModel：学习测序reads的方向信息，以提高基因型调用的准确性。
CreateSomaticPanelOfNormals：创建肿瘤样本的Panel of Normals，用于过滤假阳性变异。
GetPileupSummaries：生成pileup摘要文件，用于CNV变异检测。
CallCopyRatioSegments：检测每个样本的拷贝数变异。
ModelSegments：使用隐马尔可夫模型对CNV数据进行建模和分析。
PlotDenoisedCopyRatios：绘制CNV数据的图表，用于可视化分析。
DenoiseReadCounts：去除CNV分析中的噪声和假阳性信号。

总之，GATK4提供了一系列强大的工具，可用于从原始测序数据中检测变异和拷贝数变异，并对变异进行注释和过滤，以最终得到高质量的变异数据