cnvkit被设计来处理同一个批次的多个肿瘤配对样本测序情况，首先对所有的normal数据进行bin处理拿到背景值，然后就这个背景值来处理所有的tumor测序数据计算拷贝数变异情况。

该软件使用比较复杂，建议读一读官网教程。所有的命令都被包装到一个python脚本里面，使用该脚本调用一系列字命令，如下：

• 官网教程

• Copy number calling pipeline
  • batch
  • target
  • access
  • antitarget
  • autobin
  • coverage
  • reference
  • fix
  • segment
  • call
    • Transformations
    • Calling methods
    • Allele frequencies and counts
    • Filtering segments

每个命令都有自己的特殊功能，需要仔细阅读。

流程图：

流程代码如下：

可以看到软件提供的命令基本上的都用到了，coverage—>fix—>segment—>segment

其实上面这么一大串的命令已经被包装成了一句命令，就是：

这个一句话命令与上面的多行代码是等效的，默认的segment算法是 circular binary segmentation algorithm (CBS)，也可以用-m切换使用其它算法，比如： faster HaarSeg (haar) or Fused Lasso (flasso)

上面得到的只是segment的结果，还可以call一下：

这个时候需要考虑到已有的vcf变异文件，或者计算好的tumor纯度，或者倍性等等。把segment计算得到的log2 ratio值还原成 0,1,2,3,4这样的拷贝数。

但是，事实上上面的代码一般来说是不能直接使用的，因为我们的测序数据通常是WES数据，需要加上很多参数。

实践运行cnvkit

上面流程很复杂，命令也很多，但是不知道也没关系，用起来其实就一个batch命令即可，当然这个batch命令本身参数也不少，而且被设计用来处理不同的数据情况。

值得注意的就是，如果是全基因组测序数据，用batch --method wgs ，如果是捕获基因组测序，包括全外显子，就用 batch --method amplicon ，然后一定要提供捕获区域的bed文件，一般是外显子加上其侧翼上下游的50bp长度。

人类外显子长度平均是200bp，所以默认的bin是267bp，这样可以把比较长的exon给拆分开来。

还有就是 access 参数需要的文件，

至于最后得到cnv片段该如何注释到对应区域的基因这种小事，就不在本文讨论范围啦。

输入输出文件

其中 coverage 命令会对每一个 normal 样本都计算 *.targetcoverage.cnn and *.antitargetcoverage.cnn files , 说明是： target and antitarget coverage tables (.cnn)

这些文件需要合并起来：

然后再校正区域测序深度及GC含量，之后变成 copy number ratios (.cnr) 文件。

最后把 copy number ratios (.cnr) 文件用segment算法跑一下即可，输出cns后缀文件的 segment信息。

对于normal样本只需要输出cnn即可，合并成Reference.cnn，然后把一个个tumor样品，根据这个Reference.cnn来计算 cnr，进而计算 cns 。

最后对于cns可以进行call找到真正的拷贝数。

可以看到 cns文件内容如下，其中第4列是注释的基因，因为太多，看不清楚，我就没有秀给大家。

上面的segment结果还可以call一下，如果有需要的话。

可视化结果：

很明显可以看到有拷贝数变异的区域了。