#longshot检测SNP
echo "longshot --bam ngmlr.sorted.bam --ref /share/home/xiehs/data/GATK/hg38/Homo_sapiens_assembly38.fasta --out longshot_output.vcf" >longshot.sh
#longshot --bam example_data/pacbio_reads_30x.bam --ref example_data/genome.fa --out example_data/longshot_output.vcf
bcftools view -H longshot_output.vcf | le
bcftools view -O b -o longshot.bcf.gz longshot_output.vcf
bcftools index longshot.bcf.gz
bcftools stats longshot.bcf.gz二、利用 sniffles 检测 SV 结构变化
将测序数据与参考基因组进行比对之后，得到排序并建立索引的 bam 之后，就可以进行 SV检测了。检测 SV 的工具众多，这里面我们推荐使用 sniffles 与 cuteSV 两款软件来进行处理。
snpiffles 软件在 HG002 基因组上达 96% 召回率(recall)和精确率(precision)。sniffles 内置多种统计模型，能更准确地识别 SV 信号。sniffles 输入也是排序后的 bam 文件，不过 sniffles 一般与 NGMLR 一起组合使用，NGMLR 也是一款比对软件，将测序得到的数据比对到基因组上，与 minimap2 类似，能更准确地分辨长读长技术的测序错误，适合跨越复杂 SV 区域的长 reads 比对；
如果使用 minimap2 的比对结果，由于 MD 标志的问题，在 minimap2 比对的时候，需要添加—MD 选项。
软件官网：
代码语言：javascript复制https://github.com/fritzsedlazeck/Sniffles官网：
代码语言：javascript复制https://github.com/philres/ngmlr#ngmlr比对
echo "ngmlr -t 24 -x ont -r /share/home/xiehs/data/GATK/hg38/Homo_sapiens_assembly38.fasta -q /share/home/xiehs/data/UCSC_Ultralong_OxfordNanopore_Promethion/GM24385_1.fastq.gz -o ngmlr.sam" >ngmlr.sh
bsub -q fat -n 24 -o %J.log -e %J.err sh ngmlr.sh#sniffles检测SV
echo "sniffles -m ngmlr.sorted.bam -v sniffles.vcf -t 24" >sniffles.sh
bsub -q fat -n 24 -o %J.log -e %J.err sh sniffles.sh
#统计
bcftools query -f '%SVTYPEn' sniffles.vcf | sort | uniq -c三、利用 cuteSV 检测 SV
3.1 软件介绍
cuteSV 是一款基于长测序片段比对的基因组 SV 检测工具，运行速度快，在准确度和灵敏度等指标上均有优异的表现，同时在低测序深度数据上仍保持着良好的结构变异检测率。
cuteSV 由哈尔滨工业大学开发。该软件主要有下面三个显著特点：
1、SV 信号的识别：cuteSV 设计和实现了多种 SV 信号识别方法，分别从比对内和比对间全面收集多种类型 SV 信号。同时，cuteSV 采用了一套高效的启发式算法，将琐碎的插入与删除变异信号进行自动化整合以提升后续过程中 SV 识别的准确度。
2、SV 信号的聚类：cuteSV 设计了一种渐进复杂空间的聚类算法以及多重启发式的规则，在基因组局部区域内分别对 SV 信号进行聚类并对其进行优化，使零乱、繁杂的 SV 信号转换为高一致性的 SV 候选位点。
3、SV 的检测与基因分型：cuteSV 设计了一套特定的 SV 检测与基因分型规则，在上述聚类得到的 SV 候选位点中识别 SV 并完成基因分型。此外，cuteSV 还可以输出基因型的似然估计、变异质量分数等多重统计量，以便于进一步的质量控制和构建更高准确度的检测集。
官网：
代码语言：javascript复制https://github.com/tjiangHIT/cuteSV文档：
代码语言：javascript复制https://github.com/tjiangHIT/cuteSV/wiki/Diploid-assembly-based-SV-detection-using-cuteSV3.2 软件使用
cuteSV 的使用也非常简单，输入比对排序并建立索引的 bam 即可。相比于其他工具，cuteSV还具有一些明显的优势。在文章中介绍了，作者对 cuteSV 的性能进行了基准测试，同时与Sniffles、PBSV 和 SVIM 等工具进行了比较。cuteSV 展现出了三大主要优势：
1、相较于其他工具，cuteSV 在不同测序深度数据中能够检测出更多的 SV。特别是在低覆盖度数据集中，cuteSV 在准确度没有降低的前提下仍保持着较高的灵敏度。
2、cute SV 在基因型检测方面表现出色，发现了更多的杂合与纯合 SV。
3、与其他工具相比，cute SV 具有更好的检测速度，同时内存的消耗也更低。
此外，cute SV 的运行速度随 CPU 线程数的增加几乎呈线性增长，这表明其拥有良好的可扩展性。
测序数据：使用nglmr比对后排序数据
代码语言：javascript复制#cuteSV检测SV,软件暂时conda没装上
mkdir work_dir
echo "cuteSV ngmlr.sorted.bam /share/home/xiehs/data/GATK/hg38/Homo_sapiens_assembly38.fasta cutesv.vcf work_dir -t 24 --max_cluster_bias_INS 100 --diff_ratio_merging_INS 0.3 --max_cluster_bias_DEL 100 --diff_ratio_merging_DEL 0.3" >cutesv.sh
bsub -q fat -n 24 -o %J.log -e %J.err sh cutesv.sh
grep -v "^##" cutesv.vcf | le3.3 结果质控评估
网址：
代码语言：javascript复制https://github.com/ACEnglish/truvarihttps://github.com/tjiangHIT/sv-benchmarkprofile：剖面
assignment：分配
Accuracy：准确率，预测正确的比例
Recall（召回率）：从数据库内检出的相关的信息量与总量的比率。
Precision （准确率）：Precision 表示你预测为正的样本中有多少预测对了
F1score：又称平衡 F 分数（balanced F Score），它被定义为精确率和召回率的调和平均数。
ROC 曲线，Receiver Operating Characteristic curve） ：ROC 曲线展示了当改变在模型中识别为正例的阈值时，召回率和精度的关系会如何变化。
正确率（accuracy）：accuracy = （TP TN）/(P N)，就是被分对的样本数除以所有的样本数，通常来说，正确率越高，分类器越好；
错误率（error rate)：错误率则与正确率相反，描述被分类器错分的比例，error rate = (FP FN)/(P N)，对某一个实例来说，分对与分错是互斥事件，所以 accuracy =1 - error rate；
灵敏度（sensitive）：sensitive = TP/P，表示的是所有正例中被分对的比例，衡量了分类器对正例的识别能力；
特效度（specificity)：specificity = TN/N，表示的是所有负例中被分对的比例，衡量了分类器对负例的识别能力；
精度（precision）：精度是精确性的度量，表示被分为正例的示例中实际为正例的比例，precision=TP/（TP FP）；
召回率（recall）：召回率是覆盖面的度量，度量有多个正例被分为正例recall=TP/(TP FN)=TP/P=sensitive，可以看到召回率与灵敏度是一样的。
