Control-Freec:检测拷贝数变异的神器

欢迎关注"生信修炼手册"！

Control-Freec 既可以检测拷贝数变异​​CNV​​​，还可以分析杂合性缺失​​LOH​​。官网如下

​​http://boevalab.com/FREEC/​​

在检测拷贝数变异时，支持全基因组测序，全外显子测序，目标区域捕获测序等多种测序方案，对于全基因组数据，分析是不需要提供对照样本；对于全外显子测序和目标区域捕获测序，必须提供对照样本。

该软件最新版仅支持Linux和Mac OS两种操作系统，github 上提供了编译好的二进制文件，直接下载解压缩即可。

安装过程如下

wget -O FREEC-11.4.tar.gz https://github.com/BoevaLab/FREEC/archive/v11.4.tar.gz
tar xzvf FREEC-11.4.tar.gz
cd FREEC-11.4

在​​FREEC-11.4​​​下有3个目录：​​data​​​目录保存的是配置文件的模板，包含WGS和WES两套模板；​​scripts​​​目录下是一些常用的脚本；​​src​​​目录下就是软件的源代码，​​freec​​可执行文件就位于这个目录。

使用软件的第一步，就是编辑配置文件，配置文件中的内容主要包括以下5个部分

1. general

常用配置如下

[general]
chrLenFile = test/hg19.fa.fai
ploidy = 2
breakPointThreshold = .8
#coefficientOfVariation = 0.01
window = 50000
#step=10000
chrFiles = path/hg19/
GCcontentProfile = GC_profile_50kb.cnp

​​chrLenFile​​指定参考物种染色体长度的文件，示例如下

1 chr1 247249719
2 chr2 242951149
3 chr3 199501827

共三列，第一列为编号，第二列为染色体名字，第四列为染色体长度。需要注意的是，软件只会分析在该文件中出现的染色体区域。

​​ploidy​​指定参考物种染色体组的个数，通常我们都是分析人的CNV,人是二倍体生物，这个参数的值就是2。

​​breakPointThreshold​​官方推荐的取值范围是0.01到0.08，数值越小，预测到的CNV越多。

​​freec​​​通过分析某一区域的测序深度来预测CNV, 对于全基因组数据，根据滑动窗口模型进行分析，​​window​​​参数指定窗口的大小，​​step​​​指定步长；对于全外显子数据，计算测序深度时按照exon区域进行计算，所以​​window​​设置为0。

当不提供对照样本时，必须设置​​chrFiles​​​和​​GCcontentProfile​​两个参数。

​​chrFiles​​参数的值为一个目录，该目录下时每条染色体的fasta格式的序列。

​​GCcontentProfile​​​参数的值为一个文件，记录了染色体上固定窗口区域内的GC含量，可以用​​gccount​​软件生成。示例如下

1 0 0.45896 1
1 50000 0.38424 1
1 100000 0.43834 1

共四列，第一类为染色体名字，第二类为窗口的起始位置，坐标从0开始计算；第三类为窗口内的GC含量，第四列为窗口内的分模糊碱基的比例。

2. sample

常用配置如下

[sample]
mateFile = /path/sample.bam
inputFormat = BAM
mateOrientation = RF

​​mateFile​​​参数指定待分析样本的输入文件，通常都是bam格式的，也支持​​SAM​​​, ​​pileup​​​等其他格式；​​inputFormat​​​指定输入文件的格式;​​mateOrientation​​指定测序方向，对于单端测序的数据，对应的值为0；对于illumina 双端测序的reads, 对应的值为FR。如果输入的bam文件是排序之后的bam文件，需要将该参数的值设为0。

3. control

常用配置如下

[control]
mateFile = /path/sample.bam
inputFormat = BAM
mateOrientation = RF

设置对照样本的输入文件，和sample的设置是一样的。

4. BAF

常用配置如下

[BAF]
SNPfile = hg19_snp138.vcf

​​SNPfile​​指定已知SNP位点的文件，格式为VCF。

5. target

常用配置如下

[target]
captureRegions = testChr19/capture.bed

​​captureRegions​​参数的值是bed格式的文件，指定捕获的目的区域，共3列，第一列染色体名字，第二列和第三列分别为区域的起始和终止位置。

对于没有control 样本的实验设计，实际分析时只需要配置​​general​​​和​​sample​​​这两项就可以了，​​BAF​​​只有当输入文件格式为​​pileup​​，而且需要计算B allele frequency和genotype时才需要配置,更多配置选项可以参考官方文档。

编辑好配置文件之后，就可以运行了，命令如下

freec -conf config.txt

结果文件较多，在后续的文章中在继续介绍。

扫描关注微信号，更多精彩内容等着你！