基因型的log2ratio测序深度散点图（说明CNV-seq 优于aCGH ）

来自于2009发表在BMC Bioinformatics 的文章：CNV-seq, a new method to detect copy number variation using high-throughput sequencing ，这篇文章的重点是说明 CNV-seq 优于aCGH 在寻找拷贝数变异方面：

There are 121 CNV calls that made by CNV-seq but not aCGH and overlap with DGV data, suggesting that CNV-seq can detect CNV regions that were missed by aCGH.

通过基因型log2ratio散点图展示了一个例子：One of these regions is shown in Figure 5 (bottom panel), a 238 kb region (copy number ratio 6:1, p = 0) containing two genes (FAM23B, MRC1L1) and one miRNA (hsa-mir-511-2).就是说位于10号染色体的一个小片段，包括了两个基因和一个miRNA的238 kb 区域，就是一个被aCGH漏检的CNV片段。

其实就是一个基因型各个位点的测序的变异等位碱基比例（AF）散点图

Copy number variation detected by CNV-seq using shotgun sequence data from two individuals, Venter and Watson.

• The top panel shows a genome level log 2 ratio plot.
• The middle panel shows the plot for chromosome 10.
• The bottom panel shows detailed view of a CNV region in chromosome 10.

The red color gradient in the middle and bottom sections represents log10 p calculated on each of ratios.

肿瘤外显子数据也有类似的概念

在facets软件，有一个图我一直没有讲解清楚：

• Read depth ratio between tumor and normal gives information on total copy number.
• The variant (non-reference) allele frequency at heterozygous loci (germline variant allele frequency greater than 0.25 or less than 0.75) contain information on allelic imbalance.
• At each position, logR is dened by the log-ratio of total read depth in the tumor versus that in the normal and logOR is dened by the log-odds ratio of the variant allele count in the tumor versus in the normal.

拿到tumor和normal的测序深度和变异等位碱基深度

对tumor和normal两个样本都gvcf流程，拿到的vcf文件读入R里面，简单处理成为下表样式：

> dim(snpm)
[1] 552672      8
# 也就是拿到552672行信息，如下：
> head(snpm)
  CHROM   POS  gt dp ad  gt dp ad
1  chr1 69270 1/1  2  2 1/1  8  8
2  chr1 69398 0/0  6  0 0/0 25  0
3  chr1 69410 0/0  7  0 0/0 25  0
4  chr1 69511 1/1 12 12 1/1 50 50
5  chr1 69849 ./.  0  0 0/0  4  0
6  chr1 69897 0/0  1  0 0/1  8  4

这个时候，需要对这个矩阵进行过滤，55万行的基因型信息还是挺多，一般来说，不需要考虑野生型位点，也就是保留'1/1','0/1')这两种情况的位点。

> snpm=na.omit(snpm)
> ## only keep tumor or normal have mutations 
> kp=snpm[,3] %in% c('1/1','0/1') | snpm[,6] %in% c('1/1','0/1')  
> table(kp)
kp
 FALSE   TRUE 
473593  79056 
> snpm=snpm[kp,]
> ## remove those show ./. positions 
> kp=snpm[,3] == './.' | snpm[,6]== './.'   
> print(table(!kp))

FALSE  TRUE 
 9494 69562 
> snpm=snpm[!kp,c(1,2,4,5,7,8)] 
> rcmat=snpm
> head(rcmat)
   CHROM    POS dp ad dp.1 ad.1
1   chr1  69270  2  2    8    8
4   chr1  69511 12 12   50   50
6   chr1  69897  1  0    8    4
33  chr1 942335  4  4    9    9
34  chr1 942402  5  0   13    9
35  chr1 942451  5  5   11   11
> dim(rcmat)
[1] 69562     6

简单过滤后剩下不到7万的位点，这个时候绘图就差不多了。还可以进行测序深度的过滤，取决于你测序的实际情况，代码如下：

> rcmat=rcmat[rcmat[,3]>10,]
> rcmat=rcmat[rcmat[,5]>10,]
> rcmat$POS=as.numeric(rcmat$POS)
> dim(rcmat)
[1] 13224     6
> rcmat=na.omit(rcmat)
> colnames(rcmat)=c("Chromosome", "Position","NOR.DP","NOR.RD","TUM.DP","TUM.RD")
> rcmat[,1]=gsub('chr','',rcmat$Chrom)
> ## fit segmentation tree
> head(rcmat)
    Chromosome Position NOR.DP NOR.RD TUM.DP TUM.RD
4            1    69511     12     12     50     50
49           1   948245     11     11     35     35
91           1   961945     17     17     47     47
110          1   963956     11      6     52     18
143          1   973858     13     13     35     35
144          1   973862     13      6     35     19
> table(rcmat$Chromosome)

1   10   11   12   13   14   15   16   17   18   19    2   20   21   22    3 
1444  657  768  725  286  408  489  469  588  262  663 1133  256  155  226  777 
   4    5    6    7    8    9    X 
 612  660  651  648  463  592  292

可以看到这个过滤有一点狠啦，剩下1.3万位点， 不过绘制散点图是绰绰有余啦。首先需要计算基因型各个位点的测序变异等位碱基比例（AF）在tumor和normal里面的差异，也就是log2ratio

rcmat$log2ratio=log2((rcmat[,4]/rcmat[,3])/(rcmat[,6]/rcmat[,5]))
plot(rcmat$log2ratio)

这个时候的图一定是丑爆的，如下：

通常是对比得到的，比如一个tumor样本，在一个位点测到10个A和3个G，而其对应的normal样本在该位点是7个A和7个G，这个位点的参考基因组是G，所以呢，这个位点的normal的AF是0.5，而tumor的AF就有一点高，是0.77, 也就是说这个时候的AF的ratio是0.77/0.5=1.5啦，但是它被log2一下呢，就是log2(1.5)=0.6。

算起来有点复杂，不过现在都是计算机算啦，如果log2ratio是0，就说明这个位点在tumor和normal里面的AF是一致的。偏离0太多，就是所谓的CNV啦。