云生信学生物信息学

建立minimap2比对与适用变异工具的样例流程

作者:发布于 2026-11-18更新于 2026-11-15约 6 分钟阅读
先说明要找哪类变异

先说明要找哪类变异:按平台选择比对预设;pipefail保护排序管道;调用并保留SV候选日志;核对覆盖与局部证据
本文操作与检查路径示意。

长读长“比对并检测变异”不是一套适用于全部任务的命令。本篇建立基因组DNA长读长的minimap2比对与Sniffles2胚系结构变异样例,输出候选SV。RNA剪接比对、SNV/小indel、体细胞低频变异和临床判断另选对应流程,不能用此VCF代替。

先按平台选择预设

需要已质控的单个样本长读长FASTQ、物种与版本正确的基因组FASTA,以及已安装的minimap2、samtools、Sniffles2。先查安装版帮助,保存参考校验和。不要混合不同个体,多个测序批次也要确认归属同一生物样本;参考contig命名应与后续浏览和注释一致。

数据 minimap2预设起点 本教程边界
常规ONT基因组长读长 map-ont 按测序误差和方法核实
ONT Q20高质量数据 lr:hq(v2.27起) 不能只凭文件来自ONT就选
PacBio HiFi/CCS map-hifi 不是CLR的map-pb
RNA长读长 splice等 另行设计;不进入本DNA SV样例

比对、坐标排序与索引

示例选用ONT的map-ont,替换路径并在Bash中执行;其他平台先按上表改预设。2线程和sort每线程512M仅为演示,管道中的两个程序同时用资源,不能只申请其中一方的CPU与RAM。新目录避免覆盖,pipefail保证比对失败时不会被下游成功掩盖。

set -euo pipefail
ref=/reference/genome.fa
reads=/data/S1.ont.fastq.gz
test -s "$ref"; test -s "$reads"
mkdir S1-sv-run1
cd S1-sv-run1
minimap2 --version > minimap2.version
samtools --version > samtools.version
sniffles --version > sniffles.version 2>&1
sha256sum "$ref" "$reads" > inputs.sha256
mkdir sort-tmp
minimap2 -ax map-ont -t 2 -R '@RG\tID:S1\tSM:S1' \
  "$ref" "$reads" 2> mapping.log |
  samtools sort -@ 2 -m 512M -T sort-tmp/S1 -o S1.bam -
samtools quickcheck S1.bam
samtools index S1.bam
samtools flagstat S1.bam > S1.flagstat.txt

只调用本次约定的结构变异

仍在新运行目录执行,Sniffles2读取已排序和索引的BAM;reference用于提供删除等序列信息。示例保留默认胚系模式,不随意添加mosaic或降低支持阈值来增加结果数。下游需要多样本联合调用时,应按官方SNF模式组织,不能把各样本VCF随意拼接。

set -euo pipefail
sniffles --input S1.bam --vcf S1.sv.vcf \
  --reference /reference/genome.fa --threads 2 \
  > sniffles.stdout.log 2> sniffles.stderr.log
test -s S1.sv.vcf
grep '^#CHROM' S1.sv.vcf

怎样知道流程跑对了

确认三个阶段退出成功、BAM索引可用、参考名称及长度一致,并检查flagstat和比对日志。VCF应有合法头和正确样本列;没有变异记录不一定运行失败,有很多记录也不证明可信。结合覆盖、SV类型、支持read与局部比对抽查候选,质量门槛按项目确定。

缺索引或提示排序问题先修BAM,不用删header绕过;磁盘满先查sort临时盘与最终BAM是否同时存在。比对率异常先查物种、质量、DNA/RNA与预设。Sniffles线程增加时内存也可能上升,批量前按代表性样本分别测比对和调用,不把一个压缩FASTQ大小当作完整资源依据。

核对实际调用覆盖了哪些contig

当前Sniffles2默认会跳过较小contig,非模式物种、细菌或碎片化组装尤其需要核对。若研究范围包含这些序列,应根据安装版说明明确使用–all-contigs并另立运行目录,而不是看到空VCF就认为没有变异。参考中无对应比对的contig,也不能靠打开该选项产生可靠证据。

先从BAM头和idxstats检查contig范围,再查看caller日志中的处理列表。参考组装版本必须贯穿比对、调用与后续注释;两个FASTA都叫genome.fa不说明内容相同。需要将新组装坐标与旧版本数据库比较时,单独设计坐标转换与验证,不直接把同名染色体的位置视为等价。

试跑输出应同时交付BAM及索引、VCF、软件版本、输入校验和日志。对预设或过滤作比较时用新目录,保留被改变的设置与方法理由;只报告运行完成,不能替代对候选结构变异真实性的判断。

参考资料

需要额外算力时

适用前提:原始数据与方法明确且本地计算能力不足。如需额外资源,可评估按任务测算的CPU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 ↗