云生信学生物信息学

按Dorado版本选择模型、整理POD5并验证输出

作者:发布于 2026-11-18更新于 2026-11-15约 6 分钟阅读
先把POD5与模型配对

先把POD5与模型配对:按测序条件整理目录;核对平台与可见设备;下载后固定模型路径;验收BAM与运行日志
本文操作与检查路径示意。

Nanopore原始信号批量碱基识别,关键是把测序化学、模型和数据范围对应起来。本文采用Dorado当前2.1.1文档的DNA simplex流程,在Linux Bash中先处理一组已确认同测序条件的POD5。RNA、duplex与修饰碱基识别另有模型和设置,不能只改输出文件名就共用。

先建立一张输入表

从测序交付记录确认flow cell、试剂盒、采样率及run信息,按条件拆分目录;不同样本是否能合并还要看实验设计。文件能打开,不等于元数据足够让Dorado正确选模型。已有FASTQ是识别结果,不是可以重新识别的原始信号;FAST5也不直接当作此处的POD5输入。

项目 本次填写 检查依据
输入范围 POD5目录、run与样本 只包含本次获准处理数据
测序条件 flow cell / kit / sample rate 测序记录与POD5元数据对应
识别任务 DNA simplex,hac或其他已选级别 不混用修饰与duplex目标
环境 Dorado版本、系统、GPU与驱动 按该版本官方支持表确认

先下载匹配模型,再固定模型路径

预先安装兼容Dorado、samtools并确认获配CUDA设备可用。下例让download按本组POD5选择hac模型;它是发现模型的步骤,正式重复运行改用完整模型目录。不要把别人文中的R10模型名套在未知化学上。models目录应位于可保留、有写权限的位置,下载完成检查日志和实际目录名。

set -euo pipefail
pod5=/data/runA/pod5
test -d "$pod5"
mkdir dorado-run1
cd dorado-run1
dorado --version > version.txt
dorado basecaller --help > basecaller-help.txt 2>&1
dorado download --list > available-models.txt 2>&1
find "$pod5" -type f -name '*.pod5' -print > pod5-files.txt
test -s pod5-files.txt
dorado download --model hac --data "$pod5" --recursive \
  --models-directory models > download.log 2>&1
find models -mindepth 1 -maxdepth 1 -type d -print

在同一工作目录继续,MODEL必须填为刚核实的完整模型路径,不是models父目录。cuda:0指当前进程可见的第一块设备,集群设置CUDA_VISIBLE_DEVICES后可能与物理编号不同。不要擅自清除调度器提供的可见设备限制。

set -euo pipefail
: "${MODEL:?填写已核实的完整simplex模型目录}"
test -d "$MODEL"
set -C
dorado basecaller "$MODEL" /data/runA/pod5 --recursive \
  --device cuda:0 > calls.bam 2> basecaller.log
samtools quickcheck -u calls.bam
samtools view -H calls.bam > header.sam
samtools view -c calls.bam > alignment-records.txt

怎样验收与处理失败

确认退出成功、日志中的模型与预期相符、BAM头可读且有合理记录数。默认未比对BAM使用quickcheck的-u;它只查基本结构与文件尾,不能替代完整读取或read覆盖检查。记录数也不一定等于原始POD5条数,需考虑read splitting、筛选与识别任务。

提示未知chemistry时先查元数据与支持列表,不用随意选近似模型强行通过。CUDA错误分清驱动兼容、设备不可见和显存不足;显存不足再按官方指导调批量,避免同时启动多个抢占同一GPU的任务。旧任务失败留下的BAM单独保留,重跑使用新文件;恢复时输入旧BAM与新输出绝不能同名。批量扩展前保留本次清单、模型与验收记录。

批量前核对筛选与恢复范围

完整模型名包含化学、速度级别与模型版本,Dorado程序版本是另一项记录,两个版本都要保存。直接写hac等variant会选择当前兼容版本,后续重新下载时可能变化;因此正式批量用已确认目录,并保留下载日志,不只留一个“hac”标签。

未指定read筛选、修饰识别或barcode拆分的本例,不代表这些任务已完成。若按read ID选择pilot,保存ID清单并核对样本范围;–max-reads只限制处理量,不能保证随机、按样本均衡或包含典型读长。恢复已有识别结果时,继续使用同一输入范围和已验证模型,写到全新的BAM,并在恢复后重新检查重复及遗漏read。

参考资料

需要额外算力时

适用前提:合法可用模型与兼容设备确认后,批量任务需要GPU。如需额外资源,可评估兼容GPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗