DeepVariant — 深度学习驱动的基因组变异检测工具¶

# 方法1：Docker运行（Google官方推荐，最简单，版本1.10.0）
BIN_VERSION="1.10.0"
docker pull google/deepvariant:"${BIN_VERSION}"   # 拉取镜像
# GPU版本（需要NVIDIA GPU + nvidia-docker）
docker pull google/deepvariant:"${BIN_VERSION}-gpu"

# 方法2：Singularity（HPC集群常用，无root权限）
singularity pull docker://google/deepvariant:1.10.0
singularity run deepvariant_1.10.0.sif run_deepvariant --help

# 方法3：conda安装
conda install -c bioconda deepvariant   # 版本可能落后，建议用Docker

# 方法4：Bioinformatics平台（Terra, DNAnexus等）
# DeepVariant有官方WDL流程，可直接在Terra平台运行

BIN_VERSION="1.10.0"

# WGS数据（Illumina短读）
docker run \
    -v /home/user/data:/input \      # 挂载数据目录
    -v /home/user/output:/output \   # 挂载输出目录
    google/deepvariant:${BIN_VERSION} \
    /opt/deepvariant/bin/run_deepvariant \
    --model_type=WGS \               # 模型类型：WGS、WES、PACBIO、ONT、HYBRID_PACBIO_ILLUMINA
    --ref=/input/reference.fasta \   # 参考基因组
    --reads=/input/sample.bam \      # 输入BAM文件
    --output_vcf=/output/sample.vcf.gz \  # 输出VCF
    --output_gvcf=/output/sample.g.vcf.gz \  # 输出GVCF（可选）
    --num_shards=8                   # 并行分片数=CPU线程数

# 第一步：生成候选位点图像张量
make_examples \
    --mode calling \
    --ref reference.fasta \
    --reads sample.bam \
    --examples examples.tfrecord.gz \    # 输出张量文件
    --gvcf gvcf_records.tfrecord.gz \
    --task 0 --num_shards 16            # 分片并行，task从0到15

# 第二步：深度学习模型调用变异
call_variants \
    --outfile call_variants_output.tfrecord.gz \
    --examples examples.tfrecord*.gz \  # 输入所有分片的张量
    --checkpoint /opt/deepvariant/models/WGS  # 模型检查点路径

# 第三步：后处理输出VCF
postprocess_variants \
    --ref reference.fasta \
    --infile call_variants_output.tfrecord.gz \
    --outfile sample.vcf.gz \
    --gvcf_outfile sample.g.vcf.gz    # 同时输出GVCF

# 案例：HiFi PacBio数据变异检测（使用Docker）

BIN_VERSION="1.10.0"
INPUT_DIR="/data/pacbio_project"
OUTPUT_DIR="/data/deepvariant_out"
REF="${INPUT_DIR}/hg38.fasta"
BAM="${INPUT_DIR}/hifi_sample.bam"

# 确保BAM已排序和建索引
samtools sort -o sorted.bam $BAM && samtools index sorted.bam

# 运行DeepVariant（PACBIO模型）
docker run \
    -v "${INPUT_DIR}":"/input" \
    -v "${OUTPUT_DIR}":"/output" \
    google/deepvariant:"${BIN_VERSION}" \
    /opt/deepvariant/bin/run_deepvariant \
    --model_type=PACBIO \
    --ref=/input/hg38.fasta \
    --reads=/input/hifi_sample.bam \
    --output_vcf=/output/hifi_sample.vcf.gz \
    --output_gvcf=/output/hifi_sample.g.vcf.gz \
    --num_shards=$(nproc) \        # 使用所有可用CPU
    --logging_dir=/output/logs \   # 保存日志目录
    --intermediate_results_dir=/output/intermediate

# 查看结果统计
zcat ${OUTPUT_DIR}/hifi_sample.vcf.gz | grep -v "^#" | wc -l  # 变异总数