STAR WASP工具中变异标记SAM标签的解析与应用

概述

STAR WASP作为基于STAR的变异感知比对工具，在RNA-seq数据分析中发挥着重要作用。该工具能够识别并标记reads中的变异位点，通过特定的SAM标签记录这些信息，为后续的等位基因特异性表达分析提供关键数据支持。

SAM标签详解

STAR WASP输出的SAM文件中包含三个关键变异标记标签：

1. vA标签：记录reads支持的等位基因

   • 格式为vA:B:c,1,2或vA:B:c,1,2,3,1等形式
   • 数字对应VCF文件中GT(基因型)字段的值
   • 1表示GT中的第一个等位基因，2表示第二个等位基因
   • 当存在多个变异时，会记录多个数值

2. vG标签：记录变异位点的基因组位置

   • 格式如vG:B:i,16570789,16570893
   • 每个数字对应一个变异位点的基因组坐标

3. vW标签：指示reads是否通过WASP过滤

   • 简单整数值，如vW:i:1
   • 1表示通过过滤，0表示未通过

等位基因对应关系解析

vA标签中的数字与VCF文件中GT字段有直接对应关系：

• 在VCF的GT字段表示为X/Y时：
  • vA中的1对应X等位基因
  • vA中的2对应Y等位基因
• 值得注意的是，vA标签设计是独立于REF/ALT标识的，这使得工具能够平等处理所有变异类型，包括非参考基因组变异

多品系分析注意事项

当使用包含多个品系的VCF文件时，需要注意：

• 只有VCF第一列(通常是样本列)的GT信息会被考虑
• 后续品系的GT信息不会被vA标签记录
• 设计实验时应确保目标品系位于VCF文件的第一列

实际应用示例

假设VCF中某位点的GT字段为0/1：

• vA中的1对应REF等位基因(0)
• vA中的2对应第一个ALT等位基因(1)

若GT字段为1/2：

• vA中的1对应第一个ALT等位基因(1)
• vA中的2对应第二个ALT等位基因(2)

这种设计使得分析不受限于参考基因组，能够灵活处理各种变异情况。

技术实现建议

1. 在分析前应仔细检查VCF文件格式，确保GT字段正确
2. 对于多品系比较，需要预处理VCF文件，将目标品系置于第一列
3. 结合vG标签的基因组位置信息，可以精确定位reads支持的变异位点
4. vW标签可作为数据质量控制的重要指标

通过正确理解这些SAM标签的含义和应用方式，研究人员能够更准确地开展等位基因特异性表达分析，获得可靠的生物学发现。