nfcore/deepvariant

nf-core/deepvariant Docker镜像文档

!https://raw.githubusercontent.com/nf-core/deepvariant/master/docs/images/deepvariant_logo.png

镜像概述

nf-core/deepvariant Docker镜像是用于运行基于Nextflow的Google DeepVariant变异检测管道的容器化解决方案。DeepVariant是Google开发的基于深度学习的变异检测工具，通过将BAM文件构建为图像，利用深度学习图像识别技术获取变异，并转换为标准VCF格式输出。该镜像通过Nextflow实现自动化预处理、多BAM文件并行处理及容器化运行，确保分析的可重复性和高效性。

核心功能和特性

• 自动化预处理：自动生成DeepVariant所需的索引和压缩文件，无需用户手动处理
• 多BAM文件并行处理：支持同时对多个BAM文件进行变异检测，Nextflow内部并行化机制避免资源浪费
• 容器化运行：基于Docker容器确保计算环境一致性，结果可重复
• 灵活适配性：支持全基因组（WGS）和全外显子（WES）测序数据的变异检测

使用场景

• 全基因组测序（WGS）数据的变异检测分析
• 全外显子测序（WES）数据的变异检测分析
• 需要高准确性变异检测结果的基因组学研究
• 多样本并行变异检测的高通量分析场景

使用方法

环境要求

• 已安装Nextflow（版本≥18.10.1）
• 已安装Docker

测试运行

bash
nextflow run nf-core/deepvariant -profile test,docker

全基因组数据运行

bash
nextflow run nf-core/deepvariant --genome hg19 --bam yourBamFile.bam --bed yourBedFile.bed -profile standard,docker

• 结果文件将生成在"results"目录下的VCF文件中

全外显子数据运行

bash
nextflow run nf-core/deepvariant --exome --genome hg19 --bam_folder myBamFolder --bed myBedFile.bed -profile standard,docker

配置参数说明

工作流程说明

该管道包含预处理步骤（浅蓝色）和变异检测步骤（深蓝色）。若未提供某些输入文件，预处理步骤将自动创建所需的索引和压缩文件；若已提供，则跳过对应预处理步骤。管道接受一个参考基因组和多个BAM文件作为输入，不同BAM文件的变异检测独立并行处理，充分利用计算资源。

相关文档

• 安装指南
• 管道运行说明
• 配置说明
  • 添加自定义系统
  • 参考基因组配置
• 输出结果说明
• 故障排除
• DeepVariant详细介绍

credits

该管道最初由Lifebit开发（@luisas），感谢nf-core团队及贡献者（@ewels, @MaxUlysse, @apeltzer, @sven1103, @pditommaso等）的支持。