外觀
生資工具 › NGS 工具 › Picard MarkDuplicates
Picard MarkDuplicates
找出比對位置與方向完全相同、推測來自同一個原始 DNA 片段的 reads(PCR 重複或光學重複),在 FLAG 加上 0x400。預設只標記不刪除,下游工具(GATK、samtools view -F 0x400)再決定是否忽略。
用法
bash
picard MarkDuplicates \
-I sorted.bam \
-O dedup.bam \
-M dup_metrics.txt \
--CREATE_INDEX true \
--OPTICAL_DUPLICATE_PIXEL_DISTANCE 2500 # 圖案化 flow cell(NovaSeq / HiSeq X)建議值;預設 100
# 同一工具也可用 gatk MarkDuplicates 執行
# 舊語法 I=sorted.bam O=dedup.bam M=metrics.txt 已列為 legacy| 參數 | 意義 |
|---|---|
-I / -O / -M | 輸入 BAM(需依座標排序)/ 輸出 BAM / 指標檔 |
--REMOVE_DUPLICATES true | 直接刪除重複(通常不建議,保留標記較有彈性) |
--OPTICAL_DUPLICATE_PIXEL_DISTANCE | 判定光學重複的像素距離 |
--CREATE_INDEX true | 輸出時建 .bai |
--ASSUME_SORT_ORDER coordinate | header 未標排序狀態但實際已排序時使用 |
讀指標檔
| 欄位 | 意義 |
|---|---|
READ_PAIR_DUPLICATES | 被標記為重複的 read pair 數 |
READ_PAIR_OPTICAL_DUPLICATES | 其中屬於光學重複的數量 |
PERCENT_DUPLICATION | 重複比例(0–1,不是百分比) |
ESTIMATED_LIBRARY_SIZE | 估計 library 中不重複片段的數量(library complexity) |
重複率的合理範圍與成因見 重複率。
什麼時候不要(或要特別處理)去重複
| 情境 | 做法 |
|---|---|
| 擴增子 (amplicon) panel | 所有 reads 起點相同,去重複會把真實 reads 幾乎刪光;不要做 |
| 有 UMI 的 library | 依 UMI 分組再判斷(fgbio、umi_tools dedup、Picard UmiAwareMarkDuplicatesWithMateCigar) |
| RNA-seq 差異表現 | 高表現基因的「重複」多半是真的;通常不去重複,只拿重複率當 QC 參考 |
| WGS / WES 變異呼叫 | 標準流程,必做 |
| cfDNA 低頻變異 | 用 UMI 建一致序列 (consensus),不只是標記;見 UMI 與一致序列 |
替代工具
| 工具 | 特點 |
|---|---|
samtools markdup | 需先 collate → fixmate -m → sort,見 samtools |
sambamba markdup | 多執行緒、快,見 sambamba |
GATK MarkDuplicatesSpark | 可吃 queryname 排序的 BAM,平行化 |