【NGS分析工具】Sentieon软件常见问题列表（持续更新...)

Sentieon软件忠于BWA、GATK、MuTect、MuTect2、STAR、Minimap2金标准的数学模型，在保证结果完全匹配GATK/BWA金标准的前提下，分析效率提升10倍以上。Sentieon为大群组项目提供一站式Joint Calling解决方案，最大可处理10万个WGS样本的Joint Calling，无需中间步骤。为了方便用户自定义BAM流程，Sentieon提供了Python API Engine。提供UMI模块，替代Fgbio/picard，在更高精度的条件下UMI分析速度提升20倍。提供替代STAR的加速模块，为单细胞测序RNA-seq提供加速计算。

@毅硕科技整理了日常测试-试用Sentieon软件过程中常见问题的解答列表，方便大家更快速的上手Sentieon软件，应用于遗传变异、体细胞变异、肿瘤NGS分析等方向。

Sentieon软件常用的链接

Q: 请问我去哪里下载Sentieon软件和手册?

A: 您可以到以下链接下载最新版的Sentieon软件和使用手册？
https://share.weiyun.com/HzAXQoGH

Q: 请问有中文的软件技术支持吗？

A 您可以登录一下网站了解Sentieon软件的中文支持：
https://www.insvast.com/sentieon

Q: 请问Sentieon的模块和GATK模块有哪些版本对应：

A: 关于这个问题，您可以访问Sentieon的对应GATK的说明：
https://support.sentieon.com/appnotes/arguments

Q: 使用Sentieon软件进行NGS分析时，有推荐的pipeline脚本吗？

A: 您可以访问GitHub上由Sentieon官方维护的示例脚本，在此提示，这些脚本参数仅作为参考，具体样本类型和分析情况要咨询技术支持人员：
https://github.com/Sentieon/sentieon-scripts/tree/master/example_pipelines

Sentieon功能的问题

Q: panel用DNAscope比dnaseq更加准确是吗?

A: DNAscope的训练集中不包括100x以上的高深度区域，在改进DNAscope之前，panel样本还是推荐使用DNAseq。100X以内的人类WGS/WES，推荐使用DNAscope，不但效率更高，在准确率上也有更好的表现。

Q: 想咨询一下，我目前使用201911版本，这个–umi_post_process的参数是在哪个版本加入的？测试时候会报错：sort: unrecognized option ‘–umi_post_process’

A: 您可以转至链接：https://share.weiyun.com/HzAXQoGH，使用新版本，具体-umi_post_process可以参考下图：

Q:以下脚本可以跑 tumor only吗？

sentieon driver -t 40 -r $GENOME \-i ./6.realign/${sample}_realigned.bam -q ./7.BQSR/${sample}.recal.table \--algo TNhaplotyper2 --tumor_sample ${sample} \--germline_vcf $gnomad \./8.PON/${sample}_output-tnhap2-tmp.vcf.gz \

A: 是的，只有tumor样本，所以是tumor-only。如果是WES或是panel的话，还要在driver后，–algo前，加上–interval [interval.BED]参数，只看interval区域。

Q: sentieon的BQSR输出文件会比gatk4更大吗？8个G的bam跑完BQSR输出文件有22G.

A: GATK4的BQSR把对INDEL 校正的步骤给省略了，所以它的BQSR之后的BAM没有BI/BD tag。Sentieon 的BQSR依然会对SNP和INDEL都做校正，所以输出的BQSR会大很多。我们一般建议存储校正前的BAM和BQSR的table，而不是BQSR之后的BAM，这样可以大大节约存储空间，而且Sentieon的callers都可以同时读入校正前BAM和BQSR table，所以不需要生成校正后的BAM.

Q: 就是只生存矫正后的recal.table吗？

A: 嗯，因为这个table会小很多。然后在跑Sentieon的caller时，在-i参数输入校正前BAM的后面，用-q参数把这个table输入进去。最后再提醒一下，如果-i输入的是已经校正之后的BAM，就不要再输入-q了，否则就会做两次校正，结果就错了。

Q: Base quality score recalibration (skip for panels) 请问panel为什么要跳过BQSR呢?

A: BQSR只推荐在WGS上使用，有正面效果。

Q: 请教一个问题，我在用sentieon提供的数据做测试时，运行sentieon_quickstart.sh，有结果产出，但是run.log里面报错
ERROR: ld.so: object ‘/usr/lib64/libjemalloc.so.2’ from LD_PRELOAD cannot be preloaded: ignored.

A: 因为系统没有安装jemalloc包，可以参考: https://support.sentieon.com/appnotes/jemalloc/

Q: 关于Sentieon BWA的内存占用问题，用500多Mb基因组数据测试的结果是开源bwa和sentieon bwa内存消耗差别不大。但是最近跑了一个小麦的基因组，Sentieon BWA比开源BWA内存开销多20G左右。

A: 默认情况下 Sentieon BWA 比开源BWA消耗的内存是要大，但是Sentieon BWA的速度是开源BWA的两倍，并且Sentieon BWA的内存可以通过设置环境变量bwt_max_mem来调节。Linux系统下Sentieon BWA默认会使用24 GB左右的内存。一般系统内存都会比24G大，所以即使消耗更多内存也在系统可以承受的范围内。如果需要减少BWA内存，可以设置bwt_max_mem环境变量，但是速度也会受影响。具体可以参考：
https://support.sentieon.com/manual/usages/general/#controlling-memory-usage-in-bwa

Q: algo Haplotyper中的参数：
–call_conf
–emit_conf
是怎么计算的？用来达到什么目的？

A: 这两个参数对应GATK HaplotypeCaller的-stand_emit_conf 和 -stand_call_conf，其它参数对应关系可以参考https://support.sentieon.com/appnotes/arguments/#haplotypecaller-halotyper ，默认值都是30

Q: 请问，sentieon的Haplotyper-GVCFtyper流程里包含质量过滤吗？我使用sentieon的quncall流程和传统GATK流程分别对同一组数据做群call，sentieon的结果相较于GATK要少一些，不过基本上全部的sentieon结果都包含于GATK结果里?

A: 这个要看GATK的版本和命令行，以及Sentieon的命令行。如果匹配GATK 3.7, 3.8, 4.0 的默认参数，Sentieon GVCFtyper对应加上–emit_conf=10 --call_conf=10这两个参数。如果匹配GATK 4.1，加上–genotype_model multinomial --emit_conf 30 --call_conf 30

Q: 请问50bp的单端测序，推荐那种比对算法？

A: 短reads一般用bwa-backtrack，单端测序的话，就是跑bwa aln + bwa samse，具体请参考bwa的说明：https://bio-bwa.sourceforge.net/bwa.shtml

Q: 请问下，tnscope给出的vcf文件中base_qual_bias这个过滤标签具体标识的什么意思?

A: 它是看BaseQRankSumPS这个数值，Z-score from Wilcoxon rank sum test of Alt vs. Ref base qualities per sample. 比如某个突变，Alt reads的质量值都普遍低于Ref reads，那这个突变可能就是测序错误而不是真实突变。另外这个标签不是TNscope给的，是后面的filter给的。filter的脚本是python写的，是开源的，可以看到它具体是怎么做的。