這邊主要是在記錄使用GATK中的RNAseq Variant Calling流程中很關鍵的一步，便是校正位點的品質資訊(Recalibrate base quality scores)，這點為何重要呢？因為本質上我們就是在區分資料中單一位點是否有差異，其中最大的“障礙”，就是定序過程中的錯誤所造成的偽變異，如何去估算並且調整每一個位點下的品質數值是否是真的，就會決定我們變異辨認結果的準確程度。簡單來說，可以把Recalibrate Base Quality Score想成是Variant Calling的關鍵資料前處理步驟

關於GATK在Base Quality Recalibration的部分有詳盡的影片可以參考

實務面上重要的關鍵點：

理解在Read Group中會被用來矯正的是以lane和library為單位來思考，所以在進行Read Group的標誌的時候，會決定這一步的Recalibrate到底正不正確
(可以參考這邊GATK的文章)

在做Quality Score Recalibration主要有幾個步驟：
1. Add/Replace Read Group
把Read 資料貼上正確的Read Group（有的人會在alignment的時候就貼上，也可以在alignment後的bam檔來進行處理）

2. Markduplicates/CreatIndex(Picard)/Split’n’Trim（GATK） (調整Read alignmnet和建索引)

1. 使用BaseRecalibrator(GATK)，計算出矯正Quality Score的表

2. 使用PrintReads(GATK)，將上一步計算出的表來調整原本的Bam file，並且輸出矯正過後的Bam檔

閱讀參考：
1. GATK官方文檔和說明
https://software.broadinstitute.org/gatk/documentation/article.php?id=3891
http://gatkforums.broadinstitute.org/gatk/discussion/2801/howto-recalibrate-base-quality-scores-run-bqsr