以下は個人的なメモ（覚え書き）になります。
GATKでは、BAM fileにRead Group (@RG)が付いてないとエラーが出て解析ができないようです。でもRead Groupって何、どうやって付けるの？ 何を書けばいいの？ という点で疑問だったので、ちょっと勉強してみました。
まず、以下のページの日本語での解説によると、
http://blog.amelieff.jp/?eid=226752
BAM fileのheaderへのRead groupの入れ方としては、BWAの-R optionを使用するようです。またPicardを使って入れることもできます。実際には、両方やってみました。
## BWAの-R optionを使用する場合 # 変数の定義 ref=/PATH/to/human_g1k_v37_decoy.fasta reads1=/PATH/to/QC.1.trimmed.fastq # faQCs.plを使用した場合 reads2=/PATH/to/QC.2.trimmed.fastq sample=C8W82ANXX_PG1144_02A16_H1_L003 #bwa // bwa mem -t 12 -M \ -R "@RG\tID:FLOWCELLID\tSM:${sample}\tPL:illumina\tLB:${sample}_library_1" \ ${ref} ${reads1} ${reads2} | samtools view -bS - > ${sample}.bam
ここで”C8W82ANXX_PG1144_02A16_H1_L003"というのは今回の自分のsample file (FASTQ)の名前で、特に何でもいいようです。とりあえずsample fileの名前にしています。
# picard AddOrReplaceReadGroupsを使用する場合 sample=C8W82ANXX_PG1144_02A16_H1_L003 java -jar picard.jar AddOrReplaceReadGroups \ INPUT=${sample}.sort.bam \ OUTPUT=${sample}.sort.addRG.bam \ RGID=FLOWCELLID \ RGLB= ${sample}_library1 \ RGPU=H0164ALXX140820.2 \ RGPL=illumina \ RGSM=${sample} # 181219追記：エラーが出るときは、以下のオプションをつける VALIDATION_STRINGENCY=LENIENT \ # 181219追記：BAM indexも作成 CREATE_INDEX=true
Read group (@RG)をこのように付けることで、GATKはエラーを返さずに動くようになりました。
では、Read groupの各項目は何を意味しているのでしょうか？
Read groupの各項目の説明は、SAM/BAM fileについて説明したPDF（samtoolsのHPから）に書かれています。以下、GATKを使うときに入力が求められる5項目についての説明です。
| 項目 | 説明 |
| ID | SAM/BAM fileの識別名（identifier, ID）。各@RG行は、固有のIDを付けなければならない。 |
| LB | ライブラリ（何だろう？ ライブラリの通し番号？ 上記のblogの例では"sample"と、別の本の例では"library1"など） |
| PU | Plathome unit（Illuminaの場合はflowcell-barcode-lane, Soildの場合はslide） |
| PL | 配列を読むときに使用したプラットフォーム。有効（valid）な値はCAPILLARY, LS454, ILLUMINA, SOLID, HELICOS, IONTORRENT, ONT, PACBIOとのこと |
| SM | サンプルの名前 |
項目PL以外は、特にこの値でなければいけない、ということもなさそうなので、適当に入れれば良い？
