Picard
Picard 是一套基于 Java 开发的命令行工具集，由 Broad Institute 基因组测序平台开发并维护。它专门用于处理和分析高通量测序（HTS）数据，特别是 SAM / BAM / CRAM 格式的比对文件。
在生物信息学分析流程中，Picard 被誉为处理 SAM/BAM 文件的“瑞士军刀”。它弥补了 Samtools 在某些高级功能上的不足，特别是在去除 PCR 重复（MarkDuplicates）和添加测序组信息（AddOrReplaceReadGroups）方面，是 GATK 最佳实践流程（Best Practices）中不可或缺的预处理工具。
Picard 能够计算丰富的质控（QC）指标（如插入片段大小、GC 偏好性），帮助研究人员评估测序库的质量。
GATK 的“开路先锋”
在运行 GATK 进行变异检测之前，原始的比对文件（BAM）必须经过严格的“清洗”和“标准化”，这正是 Picard 的主战场。
| 核心命令 | 功能描述 | 生物学意义 |
|---|---|---|
| MarkDuplicates | 识别并标记 PCR 重复（Duplicates）。 | 防止因扩增偏好导致的变异频率（AF）计算错误，避免假阳性。 |
| AddOrReplaceReadGroups | 为 BAM 文件添加 Read Group (@RG) 头信息。 | GATK 必须依赖 RG 标签来区分不同的样本、文库和测序通道（Lane）。 |
| CollectInsertSizeMetrics | 统计双端测序的插入片段长度分布。 | 评估建库质量。若插入片段过短，可能导致测序 Reads 读通接头（Adapter）。 |
| LiftOverIntervalList | 将基因组坐标在不同版本间（如 hg19 -> hg38）转换。 | 实现旧数据的复用，使其能与新参考基因组进行比对。 |
Picard vs. Samtools：瑜亮之争？
两者都是处理 BAM 文件的神器，但侧重点不同。现代生信流程中常结合使用：用 BWA 比对，用 Samtools 排序/索引，用 Picard 去重/质控。
- Samtools (C语言)：
• 优势：速度快，内存占用小。
• 擅长：排序 (Sort)、索引 (Index)、查看 (View)、切片 (Slice)。 - Picard (Java)：
• 优势：功能复杂，可扩展性强，与 GATK 兼容性完美。
• 擅长：复杂的逻辑操作（如跨染色体的去重）、详细的统计报告、Header 修复。
关键相关概念 [Key Concepts]
1. PCR Duplicates (PCR 重复)： 在建库过程中，同一个 DNA 片段被 PCR 扩增多次，产生完全相同的 Reads。这些重复会人为放大该片段上的测序错误（假阳性），或干扰变异频率计算，必须使用 Picard 标记并忽略。
2. Read Group (@RG)： BAM 文件的“身份证”。包含 ID (唯一标识), SM (样本名), LB (文库名), PL (测序平台)。GATK 在进行 VQSR 和 BQSR 时，完全依赖 RG 信息来对不同样本进行分组建模。
3. HTSJDK： Picard 的底层核心库。它定义了 Java 操作 SAM/BAM/VCF 文件的 API 接口。许多其他的 Java 生信工具（包括 GATK）都依赖于 HTSJDK。
学术参考文献 [Academic Review]
[1] Broad Institute. (GitHub). Picard Tools Documentation. GitHub / Broad.
[点评]：Picard 官方并未发表独立的学术论文，其文档和源码库是引用的主要来源。通常在论文中引用为 "Picard toolkit, Broad Institute, GitHub Repository".
[2] Van der Auwera GA, et al. (2013). From FastQ data to high confidence variant calls: the Genome Analysis Toolkit best practices pipeline. Curr Protoc Bioinformatics.
[点评]：详细描述了 GATK 最佳实践流程，其中 Picard 的预处理步骤（MarkDuplicates 等）被确立为标准操作。