:PROPERTIES:
:ID:       058149e3-94ed-476d-a6a6-959e04a6fcac
:END:
#+title: Poplin2017

Contient algorithme haplotypecaller

Figure: https://gatk.broadinstitute.org/hc/en-us/articles/360035531412-HaplotypeCaller-in-a-nutshell

Principe : réalignement local

1. Régions d'intérêt
   À partir de l'alignement, compare à l'allèle de réference (en tenant compte des mismatch, indel, softclib) -> Calcule une "probabilité" pour chaque position (NB: en lissant avec un kernel gaussien).
   Une région est donc un ensemble ed position telles que la probabilité > seuil (0.002 par défaut). NB: utilise des reads qui sont sont à +/-100pb autour de cette région mais qui ne contribuent pas au calcul de probabilité. Taille mi = 50bp, max  300bp (si supérieur, coupée en 2)
2. Construction d'un graphe pour tous les haplotype possibles (NB: si trop de k-mers (65 ), région exclues). Haplotypes avec seulement 2 reads exclus. Si le chemin dans le graphe ne "revient" pas à l'haplotype de référence, essai de fusion avec smith-waterman. Si echec, suppression du chemin.
  *Chaque haplotype du graphe est réaligné avec smith-waterman*
3. Pour chaque read, calcul d'une probabilité pour chaque haplotype (paried Hidden Markov Model). Utilise BQSR (si on a suivi les best pratice) donc permet de corriger les erreur PCR
4. probabilité par read transformée en variant (modèle Bayeson).
   - proba d'un génotype * probabilité "brute" d'un génotype / somme de probabilité de tous les génotype pour les allles d'un variant
   - proba brutes d'un génotype = calcul sur tous les reads en faisant le produit des probabilité des différentes allèles pour ce génote pour chaque read


NB: plus de détails sur le calcul de probabilité avec un exemple simple https://eriqande.github.io/eca-bioinf-handbook/variant-calling.html