做過(guò)WES數(shù)據(jù)分析的小伙伴都知道,，最后找到了的很多變異位點(diǎn),，其實(shí)都落到了那些富含多比對(duì)reads的區(qū)域,。而這些區(qū)域呢,，其實(shí)是NGS技術(shù)的缺點(diǎn),，有些時(shí)候可以直接把位于這些區(qū)域的突變位點(diǎn)直接硬過(guò)濾掉,。

對(duì)bam文件進(jìn)行統(tǒng)計(jì),，找到那些富含多比對(duì)reads的區(qū)域

bam文件已經(jīng)走完了GATK的best practice啦,，主要是使用 samtools 和 bedtools 挑選那些被多比對(duì)區(qū)域的reads,，然后根據(jù)染色體坐標(biāo)進(jìn)行計(jì)算覆蓋度（測(cè)序深度）即可,，全部的代碼如下：

可以看到，每個(gè)樣品的WES數(shù)據(jù)分析時(shí)多比對(duì)區(qū)域都是5M左右,。通常WES設(shè)計(jì)的區(qū)域是45M,，所以這個(gè)比例還算是可以接受啦。全部的文件 wc看一下行數(shù)：

如果我們把全部的合并起來(lái)去冗余后，是 6073693 個(gè)位點(diǎn),，其實(shí)就是6M區(qū)域,。也就是說(shuō)，不同樣本的富含多比對(duì)reads的區(qū)域是類似的,， 這個(gè)區(qū)域具有一定程度的保守性質(zhì),。

學(xué)徒作業(yè)：

就選擇我4年前的教程：腫瘤全外顯子測(cè)序數(shù)據(jù)分析流程大放送，鏈接是：http://www./2735.html

提到的數(shù)據(jù)集：(SRA) database (accession ID SRA291701),，拿到全部的正常樣品的wes數(shù)據(jù)后走GATK的best practice,，使用我前面的代碼拿到多比對(duì)區(qū)域的black.list，探索同樣的規(guī)律,。

歷年學(xué)徒作業(yè)目錄如下：

• 生信編程直播課程優(yōu)秀學(xué)員作業(yè)展示1
• 生信編程直播課程優(yōu)秀學(xué)員學(xué)習(xí)心得及作業(yè)展示3
• 生信編程直播課程優(yōu)秀學(xué)員作業(yè)展示2
• 給學(xué)徒的GEO作業(yè)
• 這個(gè)WGCNA作業(yè)終于有學(xué)徒完成了,！
• 上次說(shuō)的gmt函數(shù)(學(xué)徒作業(yè))
• 拖后腿學(xué)徒居然也完成作業(yè)，理解RNA-seq數(shù)據(jù)分析結(jié)果
• 腫瘤外顯子視頻課程小作業(yè)
• ChIPseq視頻課程小作業(yè)
• Agilent芯片表達(dá)矩陣處理(學(xué)徒作業(yè))
• 學(xué)徒作業(yè)：TCGA數(shù)據(jù)庫(kù)單基因gsea之COAD-READ
• 學(xué)徒作業(yè)-在CCLE數(shù)據(jù)庫(kù)里面根據(jù)指定基因在指定細(xì)胞系里面提取表達(dá)矩陣
• 學(xué)徒作業(yè)-指定基因在指定組織里面的表達(dá)量熱圖
• 學(xué)徒作業(yè)-我想看為什么這幾個(gè)基因的表達(dá)量相關(guān)性非常高
• 學(xué)徒作業(yè)：給你8個(gè)甲基化探針,， 你在tcga數(shù)據(jù)庫(kù)進(jìn)行任意探索
• 學(xué)徒作業(yè)-根據(jù)我的甲基化視頻教程來(lái)完成2015-NPC-methy-GSE52068研究
• RNA芯片和測(cè)序技術(shù)的比較（學(xué)徒作業(yè)）
• 學(xué)徒作業(yè)-單基因的tcga數(shù)據(jù)挖掘分析
• ATCC終于出來(lái)了organoids資源
• 拿到7個(gè)DDR通路的基因集-學(xué)徒作業(yè)
• 繪圖本身很簡(jiǎn)單但是獲取數(shù)據(jù)很難
• 都說(shuō)lncRNA只有部分具有polyA尾結(jié)構(gòu),，請(qǐng)證明
• 學(xué)徒作業(yè)-hisat2+stringtie+ballgown流程
• 學(xué)徒任務(wù)-探索DNA甲基化的組織特異性
• 用WES和RNA-Seq數(shù)據(jù)提取到的somatic SNVs不一致
• 《GEO數(shù)據(jù)挖掘課程》配套練習(xí)題