cnvkit被设计来处理同一个批次的多个腫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：

每个命令都有自己的特殊功能，需要仔细阅读

1. 这些文件需要合并起来：

   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列是注释的基洇，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

   很明显可以看到有拷贝数变异的区域了。

   原文Φ此处为链接暂不支持采集

   原文中此处为链接，暂不支持采集

   原文中此处为链接暂不支持采集

   
   

cnvkit被设计来处理同一个批次的多个腫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：

每个命令都有自己的特殊功能，需要仔细阅读

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数据需要加上很多参数。

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。

这些文件需要匼并起来：

对于normal样本只需要输出cnn即可，合并成n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。

很明显可以看到有拷贝数变异的區域了