DECoN是一款CNV检测工具，适用于exon-based的panel测序，可以识别single exon CNV, 文章链接如下
http://europepmc.org/backend/ptpmcrender.fcgi?accid=PMC5409526&blobtype=pdf
panel测序在临床上应用广泛，目前利用panel测序数据来检测SNP是比较成熟的，而CNV的检测则缺乏有效的工具。在这样的背景下，DECoN应运而生，开发者在ExomeDepth软件的的基础上进一步修改，主要有以下两点大的改动
新增了检测染色体上第一个外显子区域的变异
在隐马可夫模型中新增了exon之间的距离这一因素
通过模拟数据和真实数据对软件的性能进行评估，在模拟数据集中，DECoN效果惊人，100%的灵敏度和99%的特异性。真实数据采用了illumina TruSight Cancer Panel测序的结果，最终鉴定出来24个exon CNV，用MLPA技术进行验证，有23个可以检测到，假阳性率4%，更加详细的评估结果请查看文章中的描述。
该软件的运行速度也非常快，还提供了良好的结果可视化，示意如下
上面的折线图展示的是基因上coverage的分布，灰色代表对照样本，蓝色代表实验样本；中间展示的是基因的名称，最下方的散点图代表观测值和期望值之间的比值，灰色区域代表95%置信区间，当比值显著偏离置信区间时，认为该区域存在拷贝数变异。上图所示的红点区域代表实际观测值小于期望值，说明发生了deletion。
软件的源代码保存在github上，链接如下
https://github.com/RahmanTeam/DECoN
具体操作分为以下4步， 对应4个R脚本
1. ReadInBams.R读取bam文件，计算coverage, 用法如下
Rscript ReadInBams.R --bams bamList.txt --bed Target_Regions.bed --fasta hg19.fa --out DECoNtest输入文件为bam文件的列表，目的区域的bed文件，参考基因组的fasta文件，bam文件的格式如下
目的区域bed文件的格式如下
输出结果是一个后缀为RData的文件，保存了样本的coverage信息，该软件中用FPKM值来表示。
进行质量控制，检测coverage过度的exon区域，相关性较差的样本等，用法如下
Rscript IdentifyFailures.R --Rdata DECoNtest.RData --exons customNumbering.txt --mincorr .98 --mincov 100 --custom TRUE --out DECoNtest输入文件为第一步产生的RData文件，另外还需要自定义的exon编号的文件
customNumbering.txt
内容示意如下
如果所有的样本和exon区域都符合要求，则该命令不会输出结果，如果有不合格的样本和区域，则需要剔除之后在进行操作。
3. makeCNVcalls.R进行CNV calling，用法如下
Rscript makeCNVcalls.R --Rdata DECoNtest.RData --exons customNumbering.txt --custom TRUE --out DECoNtestCalls --plot All –-plotFolder DECoNTestPlots4. runShiny.R通过R包Shiny构建了一个基于浏览器的交互式结果展示页面，用法如下
Rscript runShiny.R --Rdata DECoNtestCalls.RData可以查看coverage分布图，cnv calling的结果等信息，示意如下
对于panel测序的CNV检测，推荐使用DECoN进行分析。
·end·
