云生信学生物信息学

FLAIR分析环境与批处理:拆分校正、转录本识别和定量任务

作者:发布于 2026-11-20更新于 2026-11-15约 6 分钟阅读
FLAIR三段逐步验收

FLAIR三段逐步验收:校正BED12;固定转录本集;核对四列清单;分段测量资源
本文操作与检查路径示意。

FLAIR批量分析时,先区分剪接位点校正、转录本识别和表达定量。前两步改变候选转录本集合,定量则把各样本投到同一集合;逐样本各建一套转录本后直接拼计数,标识和统计对象往往对不上。本文以FLAIR 3.0.1仍保留的correct、collapse、quantify模块路线为例,不混用新版transcriptome子命令的参数。

准备能接上每一步的输入

需要已验证的FLAIR环境、同一组装版本的基因组FASTA与GTF、长读长原始序列,以及由同一比对流程生成的BED12。基因组供上游比对和collapse使用,3.0.1的correct不接收-g。输入只有BAM时,先按官方转换工具取得BED12并抽查读段名称、链和外显子块;不能把普通六列BED直接当成BED12。ONT接头方向处理、PacBio读段类型应先按实验与方法确定。

环节 输入与验收 重复运行方式
correct BED12及GTF/短读长剪接支持;核对corrected与inconsistent 每个样本用新输出前缀
collapse 校正BED及对应reads;得到isoforms.bed/fa/gtf 明确共同发现或逐样本合并策略
quantify 同一isoforms.fa、四列表;核对全部样本列 保留统一转录本版本

先让一个样本贯通三段

示例路径、样本名和两线程仅用于演示;请替换成实际绝对路径。以下命令在一个全新工作目录执行,需要GNU time。每段分别保存日志,上一段通过后再运行下一段;不要覆盖失败目录来掩盖原始证据。

set -euo pipefail
mkdir flair-pilot
cd flair-pilot
flair --version > version.txt
/usr/bin/time -v -o correct.time flair correct \
  -q /data/S01.bed12 -f /ref/genes.gtf \
  -o S01 -t 2 > correct.log 2>&1
test -s S01_all_corrected.bed
/usr/bin/time -v -o collapse.time flair collapse \
  -q S01_all_corrected.bed -g /ref/genome.fa \
  -r /data/S01.fastq --gtf /ref/genes.gtf -o common -t 2 \
  > collapse.log 2>&1
test -s common.isoforms.fa
printf 'S01\tcontrol\tb1\t/data/S01.fastq\n' > reads.tsv
/usr/bin/time -v -o quantify.time flair quantify \
  -r reads.tsv -i common.isoforms.fa -o cohort -t 2 \
  > quantify.log 2>&1
test -s cohort.counts.tsv

先检查转录本,再扩到队列

逐行核对计数表的转录本ID与common.isoforms文件对应,样本列应包含S01、control和b1的信息;清单无表头、四列用制表符分隔,默认列名规则要求前三字段不含下划线。把条件或批次写错会继续传到下游,不能靠定量成功来验收样本设计。

队列发现阶段可以按项目方案联合校正BED与reads,也可逐样本识别后使用combine;两者对低表达转录本的保留可能不同。共同输入的read ID必须唯一,尤其跨文件合并时先检查。不要把染色体或样本任意切开后宣称与整体发现完全等价。

根据失败位置调整

corrected为空先查染色体命名、BED12和剪接支持,不能只增加内存。只有GTF支持时,未被参考支持的新剪接位点可能无法验证;若研究目标需要新位点,应按官方要求补适当短读长剪接信息。collapse耗盘时查临时目录及是否保留中间文件;quantify异常则先核对reads路径和共同FASTA。

若后续要使用stringent或check_splice定量,应同时提供对应isoform_bed,且BED与FASTA必须来自同一轮collapse。不能从旧目录借一份同名BED;新增过滤会改变读段分配,先比较相同输入下保留转录本和计数差异,再把方案用于全队列。同时保存共同转录本发现时实际参与的样本清单,检查是否漏样本。

记录三段的墙钟时间、最大RSS、临时盘高水位和保留输出。小样本可用于验证接口,资源预算还需要有代表性的大样本;各段线程收益也应分别试。先固定发现策略和参考,再按测得的瓶颈安排CPU、内存与工作盘,避免为了并发让多个任务争抢同一磁盘。

参考资料

需要额外算力时

适用前提:所选工具链已验证适用于数据,但本地环境或运行资源不足。如需额外资源,可评估服务器租赁及按需环境部署。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。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

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 ↗