【直播】我的基因组21：为什么我算出的染色体覆盖度与公司差异甚大

我们在第19讲留下了一个悬念：为什么我算的染色体覆盖度与公司给我的报告不符合！！

公司算出每条染色体的覆盖度都接近于100%了，而我是结果是:

很明显，chrY覆盖度严重偏低，21,22染色体也略堪忧。然而我对自己脚本能力及其有信心，反复检查觉得不可能写错。所以就理直气壮的写邮件咨询了给我测序的公司项目负责人~

他们反应挺迅速的，隔天就给我了答复：

邮件内容

曾老师：

您好！

根据与信息同事沟通，分析您提出的问题，现解答如下：

老师您统计的length_of_chromosome的长度是全部的碱基的长度，其中包含N，而我们统计的染色体长度是去掉N的（如下图所示），所以老师统计出来的覆盖率偏低（如21,22号染色体）；

Y染色体之所以更低是因为Y染色体中含有很多重复的序列，而我们做比对分析的时候是把这些mask掉了（如果把这些也算进来会造成multimap的比例较高，不利于后面的分析），所以用来计算覆盖率的Y染色体的长度比实际的短很多。

老师可以参考我们给出的染色体长度（下图）重新计算一下就可以得出统计图中的结果了。

也就是说，他们在算chrY的覆盖度的时候，不是把Y染色体的全长58M来做分母，而是只用了22.98M来做分母，这样就算出了超高的覆盖度，接近于100%！！！

先不论公司这样做对不对，我首先重复一下他们的分析结果再说，不就是去除参考基因组的N碱基长度嘛，我还专门写了一个帖子：统计各种参考基因组的各条染色体的N含量（http://www.biotrainee.com/thread-563-1-1.html）

的确，这样统计数据马上就漂亮很多，也就有了公司给我的测序深度和覆盖度的图。数据统计如下：

如下图，可以直接在excel表格里面做出来的。

好了，这个问题说清楚了，继续前进！

文：Jimmy、阿尔的太阳

图文编辑：吃瓜群众