DeepVariant中的默认读段过滤策略解析

DeepVariant作为谷歌开发的高精度变异检测工具，在处理测序数据时采用了一系列严格的过滤策略来确保分析结果的准确性。本文将详细介绍DeepVariant在分析过程中对读段(reads)和比对(alignments)应用的默认过滤规则。

核心过滤参数

1. 最小比对质量过滤(min_mapping_quality)

DeepVariant会根据不同的测序平台和比对工具设置不同的最小比对质量阈值：

• 对于使用BWA比对的全基因组测序(WGS)和外显子组测序(WES)数据，默认阈值为5
• 对于使用vg工具比对的数据，默认阈值为0
• 对于PacBio和Oxford Nanopore长读长数据，默认阈值为1

任何比对质量(MAPQ)低于设定阈值的读段将被排除在后续分析之外。

2. 最小碱基质量过滤(min_base_quality)

DeepVariant对每个变异位点的碱基质量也有严格要求：

• 默认最小碱基质量阈值为10
• 对于SNP检测，直接考察目标位置的碱基质量
• 对于插入变异(Insertions)，处理方式较为复杂，可能考虑插入碱基的平均质量或最低质量值

值得注意的是，一个读段可能在某个位置被过滤掉，但如果其他位置的碱基质量足够高，仍可能被用于其他位置的分析。

3. 高覆盖度下的降采样

当测序覆盖度非常高时，DeepVariant会随机对读段进行降采样，以减少输入神经网络的pileup数据量，提高分析效率。

比对相关过滤选项

DeepVariant还提供了几个重要的比对处理选项：

1. 重复读段处理：默认情况下会过滤掉标记为重复的读段，但可以通过参数保留

2. 补充比对处理：默认过滤补充比对(supplementary alignments)，但可配置保留

3. 次要比对处理：默认过滤次要比对(secondary alignments)，但可配置保留

这些过滤策略共同作用，确保DeepVariant只使用高质量的测序数据进行变异检测，从而获得更准确的结果。用户可以根据具体需求调整这些参数，但通常建议保持默认设置以获得最佳性能。

理解这些过滤机制对于正确解读DeepVariant的分析结果至关重要，特别是在处理特殊样本或非常规测序数据时，适当的参数调整可能显著影响检测灵敏度。