摘要：如果不設置任何過濾標准的話，SOAPsnp會call出更多的SNVs；AtlasSNP2算法比較嚴格，因此call出來的SNVs數量是最少的，GATK 和 SAMtools call出來的數量位於SOAPsnp 和 Atlas-SNP2之間；四種calling算法的整體一致性是很低的，尤其在non-dbSNPs數據庫中；GATK 和 Atlas-SNP2有較高的陽性call率和靈敏性，GATK call出來的SNVs數量比較多。
1、dbSNP數據庫和non-dbSNPs在用四種不同軟件call出來的SNVs的比較：
對於修剪過的reads（指的是去除低質量的鹼基），在四種分析軟件中，dbSNP數據庫一致性比non-dbSNP數據庫好，因為dbSNP數據庫的variants位置更常見，因此比較容易被call出來
2、raw reads和修剪過的reads（指的是去除低質量的鹼基），call出來的SNVs數量比較：
比起raw data，修剪過的reads，call出來的variants會比較多，SOAPsnp call出來的variants比其他三個軟件多，可能是因為這個軟件對SNP filter的要求沒那么嚴格
3、不同鹼基覆蓋度閾值時，四種不同軟件call出來的SNVs比較：
鹼基覆蓋度由3X上升到4X時，SNVs call出來的數量驟然下降了50%，當上升到10X時，call率下降了15%。SOAPsnp call出來的變異是最多的，Atlas-SNPs call 率是最少。然而，對於同一個軟件來說，隨着鹼基覆蓋度上升，call出來的數量變少的趨勢在變慢。
參考文獻：Yu, Xiaoqing, and Shuying Sun. "Comparing a few SNP calling algorithms using low-coverage sequencing data." BMC bioinformatics 14.1 (2013): 274.