01 数据类型：WGS vs WES vs Panel

基因组测序有三种主要策略，选择取决于研究目的和预算：

WGS vs WES 的分析差异

肿瘤 WES 的特殊性

肿瘤样本通常配对测序（tumor + matched normal），用 Mutect2 做体细胞突变检测。输出的 MAF 文件是 maftools 的标准输入。

# Mutect2 典型调用
gatk Mutect2 \
  -R reference.fa \
  -I tumor.bam \
  -I normal.bam \
  -normal normal_sample_name \
  -O somatic.vcf.gz

# VCF -> MAF 转换
vcf2maf.pl --input-vcf somatic.vcf.gz --output-maf somatic.maf \
  --tumor-id tumor --normal-id normal --ref-fasta reference.fa

怎么选：WGS / WES / Panel 的判断逻辑

实务上的选择标准比 textbook 里复杂。一份决策表：

新人最常见错误：用 WES 找结构变异。WES 的捕获 enrichment 让 break point 上的 reads 严重不均匀，CNV / SV 在 WES 上几乎不可靠。

常见坑

坑 1：tumor-only 没有 matched normal

没有配对正常样本时，无法区分体细胞突变和胚系变异。tumor-only 模式可以跑（Mutect2 --tumor-only），但要严格用 gnomAD 频率过滤掉所有 AF > 0.001 的位点，否则结果是肿瘤 + 胚系混合。

坑 2：WES 的 BED 文件版本不一致

不同 WES 试剂盒（Agilent SureSelect / Twist / IDT xGen）有自己的 target BED，用错 BED 会让 70% 的覆盖度统计是假的。BED 必须从厂商网站下载和试剂盒版本对应的那一份。

坑 3：Panel 数据用 WGS 的过滤参数

Panel 测序深度 500-2000x，WGS 30-50x。用 WGS 的 GQ ≥ 20 阈值在 Panel 上会几乎不过滤（Panel 的 GQ 普遍很高），需要用更严格的标准比如 VAF + 链平衡。

坑 4：用错 reference fasta

GATK 要求 reference 必须有 .dict 和 .fai 索引，且染色体顺序匹配。hg19 和 hg38 不能混用，混用会让所有变异坐标错位。

坑 5：Mutect2 跑 tumor-only 不加 PoN

Panel of Normals (PoN) 是从一批正常样本里收集的"看上去像变异但其实是测序伪影"的位点。没 PoN 的 Mutect2 假阳性率会很高，至少要做一份 50-100 个正常样本的 PoN。

下一步

接着深入：

• 02 比对与变异检测流程 — 从 FASTQ 到 VCF 的完整命令行流水线
• 03 VCF 注释与可视化 — VCF 拿到后第一步：注释功能影响

横向延伸：

• 04 maftools 肿瘤突变分析 — 如果是肿瘤项目，看完 02 直接跳这里
• 05 变异过滤与质量评估 — variant filtering 决定结果质量

参考资源

• GATK Best Practices
• Mutect2 文档
• vcf2maf