검증은 생성한 VCF 파일을 GIAB truth set이랑 비교함. 검증에는 rtg-tools 이라는 툴을 활용하는데 설치를 먼저 진행.conda install -c bioconda rtg-tools 잘 설치됐는지 확인.rtg --version검증검증 실행 전 truth VCF 인덱스 생성tabix -p vcf ~/bioinfo/bi_study/wgs_practice/truth/HG001_GRCh38_GIAB_highconf_CG-IllFB-IllGATKHC-Ion-10X-SOLID_CHROM1-X_v.3.3.2_highconf_PGandRTGphasetransfer.vcf.gz 위 명령어를 통해 인덱스를 생성하고 밑과 같이 tbi 파일이 생성된 것을 확인.ls ~/bioinfo/bi_study/wgs_..

1. 구조 육안 확인 — 4줄 구조 눈으로 익히기fastq의 구조 확인을 위한 명령어를 실행함.gzcat ~/bioinfo/bi_study/wgs_practice/raw/SRR062634_1.fastq.gz | head -8 위와 같은 코드가 출력됨.@SRR062634.1 HWI-EAS110_103327062:6:1:1092:8469 length=100GGGTTTTCCTGAAAAAGGGATTCAAGAAAGAAAACTTACATGAGGTGATTGTTTAATGTTGCTACCAAAGAAGAGAGAGTTACCTGCCCATTCACTCAGG+SRR062634.1 HWI-EAS110_103327062:6:1:1092:8469 length=100@C'@9:BB:?DCCB5CC?5C=?5@CADC?BDB)B@?-A@=:=..

실습을 하며 작성한 내용은 맥 기준사용 데이터: NA12878 (HG001) — chr20 subset 이번 WGS 분석 실습에 사용하는 샘플은 NA12878의 20번 염색체. NA12878은 미국 유타주 출신 북유럽계 백인 여성의 세포주.1980년대에 CEPH(Centre d'Etude du Polymorphisme Humain)라는 유전자 연구기관이 가족 단위로 수집한 샘플 중 하나인데, 게놈이 워낙 많이 연구되고 데이터가 쌓이다 보니 나중에 NIST/GIAB이 공식 벤치마크 샘플로 선정한 유전자라고 함.한마디로 "파이프라인 검증용 정답지가 딸려있는 표준 인간 게놈 샘플" 이 유전자는 전 세계 파이프라인 검증에 쓰이는 황금 표준이라고 해서 사용함.더보기여성 샘플이라 X 염색체가 2개고 Y가 없어서,..

WES는 Whole Exome Sequencing, 전체 엑솜 시퀀싱이라고 합니다.게놈 전체를 읽는 WGS와 달리, 게놈에서 단백질을 코딩하는 부분인 엑솜(Exome)만 골라서 읽는 방법입니다. 이 글에서는 WES가 무엇을 읽는 건지, WGS와 어떻게 다른지, 왜 WES라는 방법이 존재하는지, 어떤 상황에서 선택하는지를 정리하고 있습니다.엑솜이란엑솜(Exome)은 게놈 전체에 흩어져 있는 모든 엑손(exon)을 합친 영역입니다.엑손은 단백질을 만드는 정보가 담긴 구간이고, 인간 게놈에는 약 18만 개의 엑손이 존재합니다. 이 엑솜이 전체 게놈에서 차지하는 비율은 약 1~2%입니다.게놈 30억 bp 중 약 3000~6000만 bp 정도입니다. 그런데 중요한 사실이 있습니다. 면적은 1~2%에 불과하지만, ..

앞 글에서 WGS가 무엇인지 정리했습니다.이번 글은 시퀀서에서 데이터가 나온 다음, 그 데이터가 최종 변이 목록이 되기까지 어떤 단계를 거치는지 흐름을 정리합니다. WGS 분석의 표준 흐름은 Broad Institute의 GATK Best Practices를 기준으로 삼는 경우가 많습니다.전체를 한눈에 보면 이렇게 정리할 수 있습니다.[1] 시퀀싱 → FASTQ[2] QC (품질 확인)[3] 정렬 (Alignment) → BAM[4] 전처리 (중복 표시, 품질 재보정)[5] 변이 탐지 (Variant Calling) → VCF[6] 변이 필터링[7] 변이 주석 (Annotation)[8] 결과 해석 이 흐름을 하나씩 짚어보겠습니다.시퀀싱 → FASTQ시퀀서가 게놈 조각들을 읽어서 FASTQ 파일을 만들어..

WGS는 Whole Genome Sequencing, 전장유전체 시퀀싱입니다. 한 사람(또는 한 개체)이 가진 게놈 전체를 처음부터 끝까지 읽어내는 작업입니다.이 글에서는 WGS가 정확히 무엇을 읽는 건지, 어떤 정보를 얻을 수 있는지, 언제 WGS를 선택하는지를 정리합니다.게놈 전체를 읽는 것인간 게놈은 약 30억 염기쌍(bp)입니다.WGS는 이 30억 염기쌍을 빠짐없이 읽는 걸 목표로 합니다. 여기서 "전체"라는 단어가 중요합니다.게놈에는 단백질을 만드는 부분(엑손)도 있고, 단백질을 만들지 않는 부분(인트론, 인터제닉 영역, 조절 서열)도 있습니다.흔히 비유하길 단백질 코딩 영역은 전체 게놈의 약 1~2% 정도밖에 안 됩니다.WGS는 이 약 1~2%뿐 아니라 나머지 98%까지 전부 읽습니다.이 점이..

gVCF는 VCF의 확장 포맷입니다.VCF와 구조는 같지만 담고 있는 정보가 다릅니다.이 차이를 이해하려면 먼저 일반 VCF의 한계를 알아야 합니다.VCF의 한계 — 변이가 없는 자리는 어떻게 되는지일반 VCF는 변이가 발견된 위치만 기록합니다.변이가 없는 자리는 파일에 아예 등장하지 않습니다.그런데 여기서 문제가 생깁니다.어떤 위치가 VCF에 없는 이유가 두 가지일 수 있기 때문입니다. 경우 1: 레퍼런스와 동일해서 변이가 없는 것 (정상)경우 2: 그 위치에 리드가 충분하지 않아서 판단 자체를 못 한 것 VCF만 보면 이 둘을 구분할 수 없습니다.특히 여러 샘플을 합쳐서 분석하는 공동 변이 탐지(joint genotyping) 에서 이 문제가 커집니다. 예를 들어 샘플 A에서 어떤 위치에 변이가 없고..