在做等位基因(allele)的研究中，其中一个重要的步骤就是去除比对偏差。 众所周知，人是二倍体生物，在染色体同样位置会有一对allele，一般情况下是纯合子(homozygous)状态；有时候其中一个allele发生变异(可以理解为一个SNP，寡核苷酸多态性)，会变成杂合子(heterozygous)状态。
image.png
假如一个人在某个位点是杂合子，比如是AG（A与参考基因组一致，G为变异位点），在用bowtie2或者bwa等软件比对的过程中，携带有A的reads更容易比对上去，而携带有G的reads会因为与参考基因组不完全一致而相对不容易比对上去（被当成mismatch罚分），这样最终会导致两者reads数量不同而造成误差。
以下是我所见过的几种去除比对偏差的方法：
- 用N-masked genome比对，即把参考基因组的SNP的位置都替换为N，比较老的方法，效果不好；
- 构建personal genome，将参考基因组SNP的位置替换为与参考不同的那个SNP（即alternative SNP），这个方法非常常用。
- 模拟数据，将模拟数据插入SNP位点比对，把容易比对错的位点丢掉。
- 构建父母基因组，知道父母的基因组信息的话，将这个人的信息比对到其父母基因组上，适用范围比较狭小。
- 2015年Nature Method上的方法——WASP，原理是将有SNP的reads考虑各种组合情况，构建出不同情况的reads去比对，如果都比对到同样的位置，那么留下，不能的话就丢掉。效果相对不错。
15年GB上有一篇文章Tools and best practices for data processing in allelic expression analysis比较了当时的几种方法效果：
image.png
WASP的效果不错，而且丢掉的reads最少。
欢迎关注公众号：生信编程日常 共同学习～
