写在前面
最近在实际工作中，遇到了一些“复杂InDEL”容易漏检的问题；这是由于在肿瘤组织中，一些插入和缺失可能同时发生于基因组的相同或相近的位置，造成了之前使用的SNV检测软件存在漏检风险。为了解决这个问题，这几天测试了Pindel软件在检测复杂INDEL方面的表现。
Pindel的使用
使用conda安装Pindel后，直接命令行运行pindel就可以查看软件的操作文档。其中基本的参数如下，如果要检测全部染色体，-c参数可以省略。
pindel -f <reference.fa> -p <pindel_input>
[and/or -i bam_configuration_file]
-c <chromosome_name> -o <prefix_for_output_file>
其中第二个参数可以使用-p或-i，实话说我没有搞清楚-p参数需要输入的pindel_input文件到底是什么，所以选择了-i，bam_configuration_file是一个配置文件，所有的bam文件以及insert size的信息就存放在这个文件里面，然后软件通过读取这个文件来作为它的输入，这个文件的内容格式如下:
# bam_configuration_file用tab或空格分隔；第二列即为insert size，大概即可；可输入多个bam
sample.bam 150 sample
除了基本参数，pindel还有其他可选参数，其中我将-M参数由默认的1改为2，即变异支持数最少为2个，参数解释具体如下：
-M/--minimum_support_for_event
Pindel only calls events which have this number or more supporting
reads (default 1)
结果文件
Pindel将不同的SV输出在不同的结果文件中，并在文件名中标注变异类型:
-rw-r--r-- 1 xu informatics 0 Jun 6 14:32 sample_BP # BP = unassigned breakpoints
-rw-r--r-- 1 xu informatics 0 Jun 6 14:32 sample_CloseEndMapped
-rw-r--r-- 1 xu informatics 259655 Jun 6 14:34 sample_D # D = deletion
-rw-r--r-- 1 xu informatics 0 Jun 6 14:35 sample_INT_final
-rw-r--r-- 1 xu informatics 8037 Jun 6 14:33 sample_INV # INV = inversion
-rw-r--r-- 1 xu informatics 0 Jun 6 14:32 sample_LI # LI = large insertion
-rw-r--r-- 1 xu informatics 0 Jun 6 14:32 sample_RP
-rw-r--r-- 1 xu informatics 242141 Jun 6 14:34 sample_SI # SI = short insertion
但是这种结果文件的格式并不太易于阅读，也不方便后续处理，因为它看起来是这样的：
1 ####################################################################################################
2 0 D 1 NT 0 "" ChrID 1 BP 20915589 20915591 BP_range 20915589 20915593 Supports 11 11 + 6 6 - 5 5 S1
3 GAGTCCAAACCATGGGAGGCTCCTCTCCTAGACCCTGCATCCTGAAAGCTGCGTACCTGAGAGCCTGCGGTCTGGCTGCAGGGACACACCCAAGGGGAGGAGCTGCAATCGTGTCTGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTTcCCGCTGCTCTG
4 CCTGTTT CCGCTGCTCTG
5 CCTGTTT CCGCTGCTCTG
6 CCTGTTT CCGCTGCTCTG
7 TCCTGTTT CCGCTGCTCTG
8 TCCTGTTT CCGCTGCTCTG
9 TCCTGTTT CCGCTGCTCTN
10 TGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTT CCGCTGCTCTG
11 CTGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTT CCGCTGCTCTG
12 TGCAATCGTGTCTGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTT CCGCTGCTCTN
13 AGGAGCTGCAATCGTGTCTGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTT CCGCTGCTCTG
14 CTGAGAGCCTGCGGTCTGGCTGCAGGGACACACCCAAGGGGAGGAGCTGCAATCGTGTCTGGGGCCCCAGCCCAGGCTGGCCGGAGCTCCTGTTT CCGCTGCTCTG
15 ####################################################################################################
16 1 D 6 NT 0 "" ChrID 1 BP 26235085 26235092 BP_range 26235085 26235136 Supports 6 6 + 6 6 - 0 0 S1
17 TGGGTTTGTTGGGAGATGCCTGGTTCTGCCAGTCTGTGACAATGTTCCAAGCTCCTCACAGCTGCTTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTTttattaTTATTA
18 ATGAGCCTTTGAATAANAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
19 CCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
20 TAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
21 GGCTGGGTTNAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
22 TTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
23 GCTCCTCACAGCTGCTTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATTCCTGTCCTT TTATTA
24 ####################################################################################################
25 2 D 19 NT 13 "GATTCCTGTCCTT" ChrID 1 BP 26235075 26235095 BP_range 26235075 26235095 Supports 2 2 + 2 2 - 0
26 ACTTGGCTTCTGGGTTTGTTGGGAGATGCCTGGTTCTGCCAGTCTGTGACAATGTTCCAAGCTCCTCACAGCTGCTTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGAT
27 TTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATGATTCCTGTCCT
28 TGCTTGAGGACTGAGAGGGCTGGGTTAAAGTTTCCCCTAGAATGAGCCTTTGAATAAAAAGGTGCTTTTGAGGTGGGATGATTCCTGTCCT
29 #########
因此Pindel很贴心的提供了一个脚本——pindel2vcf，可以将上述的结果文件转化为vcf格式。pindel2vcf使用的方法如下：
pindel2vcf -p sample3chr20_D -r human_g1k_v36.fasta -R 1000GenomesPilot-NCBI36
-d 20101123 -v sample3chr20_D.vcf
or (with -P): pindel2vcf -P sample3chr20 -r human_g1k_v36.fasta -R 1000GenomesPilot-NCBI36 -d 20101123 -v sample3chr20_all.vcf
使用-P 参数可以将所有结果文件转为VCF，-p参数可以指定其中的一个结果文件，上面示例就是只把Deletion的结果文件转为VCF。由于此次测试我只关注INDEL，所以只转出了两个文件:
-rw-r--r-- 1 xu informatics 4352 Jun 6 14:40 sample_del.vcf
-rw-r--r-- 1 xu informatics 9079 Jun 6 14:43 sample_insertion.vcf
测试结果
作为测试的两个复杂INDEL最终都被Pindel成功检出了，100M左右的bam数据分析用时不到半个小时。
第一个INDEL
Pindel的结果记录：
7 55242463 . AAGG A . PASS END=55242466;HOMLEN=1;HOMSEQ=A;SVLEN=-3;SVTYPE=DEL GT:AD 0/1:1259,876
第二个INDEL
Pindel的结果记录：
7 55242467 . AATTAAGAGAAG AGC . PASS END=55242478;HOMLEN=0;SVLEN=-11;SVTYPE=RPL;NTLEN=2 GT:AD 0/1:327,137
