1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | gatk-variant-calling-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 组织，专注生物信息学 agent skills 的社区团队） |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/variant-calling/gatk-variant-calling |
| 许可证 | MIT（GitHub API 确认，仓库根 LICENSE 文件） |
| GitHub Stars | 1,126（GitHub API；数字属整个 bioSkills 合集，不代表本技能自身热度） |
| Forks | 193（同上，合集整体） |
| 最新版本 | 仓库无该子目录专属版本标签；该路径最近一次提交为 2026-07-10 |
| 安装方式 | 见第 10 章 |
2. 功能介绍与亮点
gatk-variant-calling 教 agent 正确使用 GATK HaplotypeCaller 从 BAM 文件调用种系 SNP/indel，覆盖从工作机制到真实边界场景的完整决策链：
- 讲透“为什么 HaplotypeCaller 比 pileup caller 准”的机制本身：局部重装配（local reassembly）把每条 read 各自贪心的比对结果统一成单一装配单倍型，再用 PairHMM 前向算法整合全部比对不确定性计算似然，而非只取单一最优比对——这正是 HaplotypeCaller、DRAGEN、DeepVariant 在 indel 与复杂位点上优于传统 pileup caller 的根本原因。
- 五步机制拆解：active-region 判定 → 局部重装配（de-Bruijn 式图）→ PairHMM read-单倍型似然 → 基因型似然边际化 → 二倍体假设的适用边界，每一步都说明背后的统计原理与关键参数。
- 决策树覆盖真实边界场景：混样样本、多倍体生物、非 PAR 区 chrX/Y 半合子、线粒体异质性（需切换到 Mutect2 + 移位参考基因组）、样本污染（VerifyBamID2 与 CHARR 两套定量方案，附引用文献与判定阈值来源）。
- 附完整并行化脚本模式（按染色体分片调用 + 合并，PairHMM 原生 SIMD 多线程）与一张“症状-原因-修复”结构的常见错误对照表，正文引用 9 篇正式学术文献（含 GATK 原始论文、DRAGEN 基准测试、PrecisionFDA Truth Challenge V2）。
3. 适用场景
所属分类：数据分析与可视化（技能产出是对齐后的 BAM 文件做变异检测，得到结构化的 VCF/GVCF 数据，属对基因组数据做结构化分析的范畴）。
适用人群：拿到比对后的 BAM 文件、需要判断该用 HaplotypeCaller 还是 pileup/DRAGEN caller、如何设置 GVCF 联合分型工作流、以及如何正确处理非二倍体样本（混样、多倍体、性染色体半合子、线粒体、污染样本）的生信分析师与基因组学研究人员。
4. 跨 Agent 兼容性
| Agent 生态 | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 仓库提供 install-claude.sh，支持全局/按项目/按类别安装 |
| Codex | 原生支持 | 仓库提供 install-codex.sh，用法与 Claude Code 版本一致 |
| OpenClaw | 原生支持 | 仓库提供专用 install-openclaw.sh |
| Hermes Agent | 原生支持 | Hermes 官方生物信息学技能网关文档将 bioSkills 列为其两个开源技能库之一，直接指向 GPTomics/bioSkills 仓库，并在文档的示例命令中直接以本技能路径（variant-calling/gatk-variant-calling/SKILL.md）作为读取范例；用户经 hermes skills install official/research/bioinformatics 安装该网关后可直接取用本技能 |
5. 推荐理由
GATK HaplotypeCaller 是种系变异检测事实上的行业基准工具，几乎所有做变异检测的人都会跑这条命令，但很少有人清楚它为什么比传统 pileup caller 更准、什么时候该切换到 Mutect2 或 DRAGEN 模式、以及样本污染或非二倍体场景下默认参数会怎样悄悄产出错误基因型。这个技能把局部重装配 + PairHMM 的核心机制、五类真实边界场景的正确处置方式，以及可直接复用的并行化脚本一次性讲透，帮助使用者不只是“跑通”命令，而是理解每个参数选择背后的原因，避免在污染样本、性染色体或线粒体数据上悄悄产出错误结果。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | GPTomics 是小型专业社区团队，非广为人知的一线厂商；本技能路径在 LobeHub、mdskill.dev 两个第三方技能市场均有独立收录页，且被 Hermes Agent 官方生物信息学网关按名收录并作为文档示例命令直接引用，构成子技能自身可查证的独立第三方证据 |
| 可用性 | 8 | 文档详实（机制拆解 + 决策树 + 并行化脚本 + 常见错误表 + 9 篇学术引用），该路径近期仍有独立提交（最近一次 2026-07-10，约一个月前），但需预先安装 GATK 4.5+ 与 bcftools 等外部工具才能实际跑通，非开箱即用 |
| 安全性 | 9 | 全文仅为本地 CLI 代码模式（gatk、bcftools），未见任何联网外发、API Key 索取或可疑指令，MIT 许可证明确 |
安全检查清单： ① shell 命令执行：技能本身不含自动执行脚本，所有 bash 代码模式（HaplotypeCaller/Mutect2/并行化脚本）均需用户/agent 在自己环境中手动运行，且只操作本地 BAM/参考基因组文件 ② 联网外发数据：正文未见任何网络请求代码，全部操作基于本地文件 ③ API key/凭据：不需要 ④ 可疑指令：通读全文未发现 prompt injection 或其他可疑指令 ⑤ 作者/组织信誉：GPTomics 为 GitHub 组织，长期主导仓库维护，无刷星或造假迹象 ⑥ License：MIT，明确 ⑦ 最近维护时间：该技能路径最近提交 2026-07-10；仓库整体最近 push 于 2026-07-25，在近 3 个月维护窗口内
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
genomic-variant-interpretation（awslabs/hcls-agent-skills） |
AWS Labs 官方出品，ACMG/AMP 种系与 AMP/ASCO/CAP 体细胞变异临床分类的纯推理框架 | 处理的是变异检测完成之后的下一步——对已有变异注释数据给出临床致病性分类；本技能专注更上游的变异检测本身（从 BAM 文件调用 SNP/indel），两者是同一流水线上前后相接、职责不重叠的两个环节 |
同合集 deepvariant（bioSkills） |
CNN 图像分类模型做变异检测，配套平台专属预训练模型 | 本技能正文的 Related Skills 区块明确标注 deepvariant “在 indel 与困难区域上占优，但需下载平台专属模型”；两条技能是统计似然路线与深度学习路线的互补选项，而非彼此替代 |
ngs-analysis（openai/plugins） |
OpenAI 官方出品，本地测序文件（FASTQ/BAM/VCF）类型探测与流程路由 | 面向整条 NGS 流程的广度路由，不含 HaplotypeCaller 局部重装配机制、污染检测阈值或二倍体假设边界这类深度专项知识；本技能是单一环节的深度专家 |
同合集 variant-calling（bcftools 版，bioSkills） |
bcftools mpileup 位点独立调用 | 本技能正文明确将其列为“更快但 indel 准确率更低”的替代路径，两者构成速度与精度之间的权衡选项 |
8. 用户评价
该技能在 LobeHub、mdskill.dev 两个第三方技能市场均已有独立收录页，但截至目前评论区与评分区均无内容，尚无具名用户评价。
9. 其他补充
所属仓库 bioSkills 根目录下共含 65 个功能类目目录（GitHub API 实测核实），variant-calling 类目下共 13 个子技能，与本技能相邻的还有 clinical-interpretation、structural-variant-calling、joint-calling、variant-normalization、vcf-statistics 等，彼此通过 SKILL.md 内的 “Related Skills” 区块互相引用，显示该合集在变异处理方向有统一架构设计而非零散堆砌。
10. 安装使用方式
- Claude Code（推荐）：
git clone https://github.com/GPTomics/bioSkills.git && cd bioSkills && ./install-claude.sh --categories "variant-calling"按类别安装，或不带参数全量安装；也可手动把variant-calling/gatk-variant-calling/目录复制到.claude/skills/ - Codex：同一仓库下运行
./install-codex.sh - OpenClaw：运行专用的
./install-openclaw.sh - Hermes Agent：运行
hermes skills install official/research/bioinformatics安装官方生物信息学网关后即可取用 - 安装后注意事项：技能本身零额外安装，但运行其推荐代码需预先装好 GATK 4.5+（含 Java 运行时）与 bcftools/samtools 等工具；无需重启 agent；对话中出现“变异检测”“HaplotypeCaller”“GVCF 联合分型”等关键词或直接引用技能名即可触发
11. 注意事项
- 技能提供的是调用引擎选型与参数决策方法，不代替用户预先安装 GATK 及其运行环境（Java）
- 文档明确警示：默认二倍体假设（
--sample-ploidy 2）在混样、多倍体、性染色体半合子等场景下会产出错误基因型，需显式覆盖 - 线粒体变异必须切换到 Mutect2 + 移位参考基因组流程，HaplotypeCaller 的二倍体模型无法表达连续异质性
- 合集仓库整体 1,126 stars 与 193 forks 覆盖数百个子技能，不代表本技能个体的采用热度