生信软件23 - Samtools和GATK去除PCR重复方法汇总

1. 为什么要去除重复？

在建库测序后， 加上接头的DNA片段进行PCR扩增（由于连接flowcell的效率很低，所以需要对片段进行扩增），连接至flowcell上。PCR扩增会导致一个片段会测序多次，当该片段存在变异位点时，如果不去除重复片段则会增加该位点的测序深度，会被分析为真的变异位点，从而增加假阳性率。

2. 去除PCR重复方法

使用工具：samtools和picard （已被整合至GATK中，本人使用版本4.2）

2.1 利用FLAG值去除重复

-F参数1024表示过滤PCR重复或光学重复reads，具体FLAG含义参考本人以下文章：

生信分析进阶4 - 比对结果的FLAG和CIGAR信息含义与BAM文件指定区域提取

# f提取，F过滤
samtools view -F 1024 - h sample.bam > sample.rmdup.sam

2.2 利用samtools rm