过滤模式
相比于单核苷酸多态性(single-nucleotide polymorphism，SNP)而言，SV的过滤筛选往往缺乏统一标准，同时筛选的属性也更加多元(可能包含INFO、QUAL和GT字段等)。
为进行更全面的SV过滤，SDFA内置了丰富的过滤功能。具体而言，主要覆盖两方面的过滤：
Genotype level：设置质控信息对基因型过滤——不满足条件的设置为./.SV level：设置自定义函数对当前SV记录的CHR、ID等多个VCF字段进行过滤
具体的指令为
java -jar sdfa.jar filter -d [input_dir] -o [output_dir] [options]
Genotype 过滤
使用下述指令进行过滤：
--filter-gty <format_attr> <function>
上述命令行对指定的format_attr进行过滤，而function是一个返回boolean值的表达式。
为方便用户直接对每一个基因型的质控属性的值进行操作，我们在function中直接使用value代表单个基因型的值，下面我们举一个例子：
[!NOTE|label:Example 1]
我们对
./data文件夹下的所有SDF文件的基因型进行过滤，过滤质控属性为GQ，过滤条件为(int)value>20，输出到./文件夹中：java -jar sdfa.jar filter -d ./data -o ./ --filter-gty GQ (int)value>20如果SDF文件为多样本文件，依次对每个样本的基因型进行上述条件过滤。
为简化转化逻辑同时减少metric数据的存储空间，我们将常见的质控属性封装特定类型以方便用户进行直接操作，具体如下：
| 抽象类型 | 存储类型 | 获取值类型 | 质控属性 | 操作示例 | 操作解释 |
|---|---|---|---|---|---|
| SingleIntValueBox | int数组 |
单个int值 |
DP,DR,DVGQ,MD,PP |
--filter-gty DP (int)values>10 |
将DP属性值<=10的基因型为./. |
| TwoIntValueBox | int数组 |
2个int值组成的IntList类 |
AD,RA |
--filter-gty AD ((IntList)values).get(0)>10 |
将AD属性值的第一个int值<=10的基因型为./. |
| ThreeIntValueBox | int数组 |
3个int值组成的IntList类 |
PL |
--filter-gty PL ((IntList)values).get(0)>10 |
将PL属性值的第一个int值<=10的基因型为./. |
| SingleStringValueBox | string数组 |
单个string值 |
FT others |
--filter-gty FT (string)values.equals(\"TRUE\") |
将FT属性不为TURE的基因型设置为./. |
SV 过滤
与基因型的指令类似，SV过滤的指令如下：
--filter-sv <sv_attr> <function>
上述命令行对指定的sv_attr进行过滤，而function是一个返回boolean值的JAVA表达式，下面举个例子：
[!NOTE|label:Example 2]
我们对INFO字段中的
IMPRECISE进行过滤，当存在该字段时我们过滤该SV：java -jar sdfa.jar -d ./data -o ./ --filter-sv IMPRECISE value!=null
上述例子中的sv_attr为IMPRECISE，在SDFA设计中sv_attr的定位和获取是由一定顺序的，下面是全面的过滤顺序：
| INDEX | 匹配字段 | 获取值类型 | 操作解释 |
|---|---|---|---|
| 1 | CHR |
string |
获取SV的染色体名称 |
| 2 | ID |
Bytes |
获取SV的ID值 |
| 3 | REF |
Bytes |
获取SV的REF值 |
| 4 | ALT |
Bytes |
获取SV的ALT值 |
| 5 | QUAL |
Bytes |
获取SV的QUAL值 |
| 6 | FILTER |
Bytes |
获取SV的FILTER值 |
| 7 | INFO |
List<Bytes> |
获取SV的所有INFO字段值 |
| 8 | FORMAT |
List<Bytes> |
获取SV的所有基因型的质控值 |
| 9 | GT |
CacheGenotypes |
获取SV下所有样本的基因型 |
| 10 | LEN |
int |
获取SV的LEN值 |
| 11 | SDF_FIELD_NAME |
Object |
获取SV在SDF_FIELD_NAME的值 |
| 12 | INFO_ATTR |
Bytes |
获取SV在INFO中KEY为INFO_ATTR的值 |
| 13 | FORMAT_ATTR |
Bytes |
获取SV在FORMAT中KEY为FORMAT_ATTR的值 |
| 14 | UNKNOWN | ERROR | . |
详细获取值可以查看SDFRecordWrapper的getV函数
[!TIP|label:过滤顺序]
值得注意的是，在实际代码执行中会首先进行
SV Level的过滤，然后再进行Genotype Level的过滤。