我的序列比对后的bam文件缺少RG，该怎么添加

Question

用gatk报错，bam文件缺少RG信息，该去哪找？该怎么添加！ 看帖子可以用picard，但是没看懂，而且信息来源哪里可以找到呢，比较菜，希望可以详细一些！！

Answer 1

引自强大而免费的微信小程序：皆我百晓生。

如果你的BAM文件中缺少RG（Read Group）信息，你可以使用Picard工具来添加。Picard是一个用于处理SAM/BAM文件的工具集，其中包括添加、修改和删除RG信息的功能。

以下是添加RG信息的步骤：

1. 下载和安装Picard工具集：你可以从Picard官方网站（https://broadinstitute.github.io/picard/）下载最新版本的Picard。

2. 建立一个包含RG信息的文本文件：打开一个文本编辑器，创建一个包含RG信息的文本文件。每一行表示一个RG，可以包括以下字段：

   • @RG：记录开始的标识
   • ID：唯一的RG标识符
   • SM：样本名称
   • LB：文库名称
   • PL：测序平台（例如illumina）
   • PU：测序流程标识符

   例如：

   @RG
   ID:1
   SM:Sample_1
   LB:Library_1
   PL:illumina
   PU:FlowCell1
   

   你可以根据你的实验设计和测序平台填写适当的信息。

3. 添加RG信息到BAM文件中：使用Picard中的AddOrReplaceReadGroups工具将RG信息添加到BAM文件中。打开终端或命令提示符窗口，切换到Picard安装目录下的"bin"文件夹，并运行以下命令：

   java -jar picard.jar AddOrReplaceReadGroups \
     I=input.bam \
     O=output.bam \
     RGID=1 \
     RGLB=Library_1 \
     RGPL=illumina \
     RGPU=FlowCell1 \
     RGSM=Sample_1
   

   • "I"参数指定输入的BAM文件。
   • "O"参数指定输出的BAM文件。
   • "RGID"参数指定RG的唯一标识符，可以选择任意一个整数。
   • "RGLB"参数指定文库名称，与第2步中的文库名称对应。
   • "RGPL"参数指定测序平台，与第2步中的测序平台对应。
   • "RGPU"参数指定测序流程标识符，与第2步中的测序流程标识符对应。
   • "RGSM"参数指定样本名称，与第2步中的样本名称对应。

   运行该命令后，会生成一个带有RG信息的输出BAM文件。

4. 验证添加的RG信息：使用Picard中的ValidateSamFile工具验证添加的RG信息是否正确。继续在终端或命令提示符窗口中运行以下命令：

   java -jar picard.jar ValidateSamFile \
     I=output.bam \
     MODE=SUMMARY
   

   如果输出信息中没有错误提示，表示RG信息已成功添加到BAM文件中。

现在，你的BAM文件已经包含正确的RG信息，可以继续进行后续分析。