GATK运行时误删参考基因组文件

Question

GATK HaplotypeCaller 运行过程中，原来的参考基因组文件被误删，但程序还在正常运行，这种情况会影响最终结果吗

Answer 1

引自免费微信小程序：皆我百晓生

在处理GATK运行过程中误删参考基因组文件的问题时，我们首先需要确认的是错误删除的具体情况。如果只是个别样本的参考基因组文件被误删，且这个错误发生在主文（Run Command）中，那么通常不会影响后续的GATK工作。以下是可能遇到的一些问题以及解决策略：

1. 错误消息未捕获：许多情况下，当用户尝试删除参考基因组文件时，GATK可能没有正确地捕获到错误信息，并进行适当的错误处理。例如，GATK可能会打印出一个警告，提示“文件已经存在”，或者提供一些小的错误提示，如“File 'XXXXXX' does not exist”。在这种情况下，用户应查看这些警告或错误提示，确定具体是哪个文件被误删。

   grep "file 'XXXXXX'" /var/log/gatk/output.log
   

   如果错误提示没有提及正确的文件名，那么问题可能出现在主文或GATK插件中。此时，我们可以手动检查GATK命令行输出，查找并找到与文件名匹配的执行记录。例如，如果错误消息指出名为refGRCh37.fna的文件已被删除，那么可以在GATK命令行中添加以下参数来包含该文件：

   gatk -R refGRCh37.fna /path/to/input.fastq.gz | fastqc
   

   这将计算主要报告文件fastqc_report.txt的错误比对报告，其中包含所有读取的重复文件和缺失文件的信息。

2. 数据分析任务继续进行，但其他操作中出现错误：在某些情况下，尽管有误删了参考基因组文件，但分析任务仍在正常运行，例如进行基因注释、SNP/indel检测等。然而，当用户试图重启或关闭GATK进程时，由于误删事件可能被忽略或遗忘了，可能会导致其他的操作出现问题，如非预期的内存溢出或崩溃。这时，可以通过以下几个步骤来确保其他操作的顺利进行：

   1. 重新启动GATK：尝试在GATK命令行中输入以下命令，然后按Enter键重启GATK：

   sudo gatk -R refGRCh37.fna -R refGRCh37.vcf /path/to/input.fastq.gz | fastqc
   

   1. 查看其他依赖项状态：在停止GATK后，检查其他涉及基因组数据处理或分析的系统是否还正常运行。如果其他工具（如Hyrus或Samtools）的窗口仍然打开且未自动退出，可以关闭它们再尝试重启GATK。

   ps aux | grep 'hyrus|samtools'
   

   然后，根据提示关闭对应的进程，如hyrus进程：

   kill <pid of hyrus>
   

   接下来，重启GATK并重新执行分析任务：

   sudo gatk -R refGRCh37.fna -R refGRCh37.vcf /path/to/input.fastq.gz | fastqc
   

   若其他操作仍无法正常运行，可能存在某些特定依赖于其他软件或环境因素的配置或库未能加载导致问题。在这种情况下，您可以按照以下步骤修复这些问题：

   a. 检查Hyrus或Samtools版本与GATK兼容性：确保您使用的Hyrus或Samtools版本与GATK的依赖版本相匹配。查看Hyrus或Samtools的官方网站或文档，确认最新版本及其主要更新日志，以便了解是否有特定的功能或依赖需要升级或重新安装。

   b. 检查缺失或损坏依赖库：有时候，库文件的缺失或损坏也可能导致错误，特别是对于需要依赖某些特定库才能完成分析任务的场景。可以使用依赖管理工具（如pip or conda）来安装缺失或损坏的库，确保其版本与GATK的可用版本相匹配。例如，在Python环境中，可以使用以下命令来安装缺少的Hyrus或Samtools库：

   pip install -r requirements.txt
   

   c. 检查依赖项设置：有时，用户的配置文件或命令行选项可能设置了错误的依赖关系，导致GATK无法正确识别或处理特定文件。确保您的环境变量、GATK配置文件（如gatk.config或build.xml）中的依赖选项与实际的操作系统和工具保持一致，尤其是针对不同的操作系统和环境的差异。

   d. 检查文件路径及权限：确保输入的文件路径具有正确的权限，允许GATK访问并修改文件。如果错误发生在Hypersite或GVCF插入路径上，可能需要增加或调整相应文件夹或子目录的权限。

   e. 重新构建或创建主文：如果上述所有步骤都无法解决问题，可能是主文配置错误或GATK配置冲突导致的误删。可以尝试重写或创建一个新的主文（Run Command），覆盖原主文或重置部分错误的设置。例如，在命令行中，可以复制以下内容作为新的主文配置：

   -R refGRCh37.fna
   -R refGRCh37.vcf
   

   而不再使用原始主文（-R 命令选项）：

   -R '/path/to/input.fastq.gz', '/path/to/refGRCh37.vcf'
   

   然后再重新运行GATK：

   gatk -R '/path/to/input.fastq.gz', '/path/to/refGRCh37.vcf' -R refGRCh37.fna /path/to/output.gatkresults
   

   在这一步骤中，新的主文覆盖了原始主文，包含包含-R refGRCh37.fna选项的所有主文行，即引用了整个参考基因组文件。

通过以上步骤，如果您能成功找出并解决了误删参考基因组文件的问题，那么其余的数据分析任务应该能够在无明显错误的情况下继续进行。若在尝试执行之前并未注意到或处理这个问题，那么在恢复后进行测试和验证仍然有助于确保结果的准确性。同时，定期备份重要数据文件，以防未来再次发生类似的情况，也是非常重要的一步。