GATK（Genome Analysis Toolkit）中的joint calling是一种变异检测策略，它允许同时对多个样本进行变异位点的分析，以提高变异检测的准确性和效率。
以下是joint calling的一些关键原理和优势：
-
数据共享：在joint calling过程中，信息在所有样本间共享。这意味着如果一个样本在某个位点的测序覆盖度较低，其他样本中相同位点的高置信度变异可以辅助调用，从而提高低频变异的检测能力。
-
区分能力：joint calling能够更清晰地区分纯合参照位点和缺失数据位点。这是因为在joint calling中，只要调用集中的任何一个个体在某个位点有变异证据，就会在该位点输出基因型调用。
-
减少假阳性：joint calling通过使用统计模型对大量数据进行变异过滤，提高了过滤假阳性的能力。这种过滤通常比单独分析每个样本更有效，因为它可以在整个样本集上应用统一的过滤标准。
-
灵活性和扩展性：GATK 3.0及以上版本引入了增量joint calling的概念，即先对每个样本单独调用变异（生成GVCF文件），然后对所有样本的GVCF文件进行joint genotyping。这种方法解决了传统joint calling在计算资源和时间上的不足，同时保持了joint calling的优势。
-
处理大规模样本集：joint calling通过GenomicsDBImport工具和GenotypeGVCFs工具，可以高效地处理大规模样本集，使得对大型队列的研究成为可能。
-
解决N+1问题：在传统的joint calling中，每当有新的样本加入时，需要重新对所有样本进行分析。而增量joint calling允许对新样本进行单独分析，然后将其添加到现有的GVCF数据集中，无需重新分析所有旧样本。
总的来说，joint calling通过在多个样本间共享信息和统计数据，提高了变异检测的准确性，尤其是在检测低频变异和处理大规模样本集时。这种方法在基因组研究中被广泛应用，尤其是在寻找与疾病相关的稀有变异时。