
Arriba队列常见的存储问题,是每个样本同时留下原始比对、排序副本和多份临时文件。处理前先确定后续是否需要浏览断点、重做过滤和共享BAM;只保留一张候选表虽然省盘,却可能失去复核证据。本文给已用官方兼容STAR参数完成比对的样本安排检测和保留目录。
先确认BAM真的适用于融合检测
官方示例使用STAR的嵌合比对设置,包括WithinBAM与HardClip。常规RNA-seq流程若没有保留所需嵌合信息,单靠排序、索引或增加Arriba参数无法补回。先保存实际STAR命令、版本和Log文件,与所用Arriba发行版的run_arriba.sh逐项核对;本文不把现成普通BAM一律视为合格输入。
| 文件 | 用途 | 保留决定 |
|---|---|---|
| STAR原始BAM | Arriba输入及重跑证据;可为未排序BAM | 确认是否需下游复核后决定 |
| 坐标排序BAM与索引 | 断点浏览、其他明确需要的分析 | 有这些用途再额外生成 |
| fusions.tsv | 通过过滤的候选与支持信息 | 正式结果保留 |
| fusions.discarded.tsv | 被丢弃候选与过滤排查 | 与运行日志共同保留 |
| 临时文件 | 产生过程所需空间 | 按实际流程确认,不能凭后缀清理 |
检测结果与大输入分开存放
下面输入、参考与blacklist均应匹配同一基因组组装。黑名单使用该Arriba版本官方配套资源,不能为了让程序启动随便换物种。示例在Linux已验证环境执行;参考只读,输出目录必须全新。需要其他可选注释时,按官方说明增加并登记,而不是默认为缺少可选文件可忽略全部过滤。
set -euo pipefail
bam=/data/S01/Aligned.out.bam
test -s "$bam"
samtools quickcheck -v "$bam"
mkdir arriba-S01
sha256sum /ref/genome.fa /ref/genes.gtf /ref/blacklist.tsv.gz \
> arriba-S01/reference.sha256
status=0
/usr/bin/time -v -o arriba-S01/resource.txt arriba \
-x "$bam" -a /ref/genome.fa -g /ref/genes.gtf \
-b /ref/blacklist.tsv.gz \
-o arriba-S01/fusions.tsv -O arriba-S01/fusions.discarded.tsv \
> arriba-S01/run.log 2>&1 || status=$?
printf '%s\n' "$status" > arriba-S01/exit.txt
test "$status" -eq 0 || exit "$status"
test -s arriba-S01/fusions.tsv
test -s arriba-S01/fusions.discarded.tsv
du -sb arriba-S01 > arriba-S01/retained-bytes.txt
用保留策略算工作盘
队列目录以样本ID隔离,每个样本记录输入BAM路径、参考版本、软件版本、退出状态与两张结果表。重复ID必须在提交前拒绝,失败目录不复用。以下演算填写实际测得的GiB;单个样本同时生成排序副本时,应把它计入工作峰值。数字只作预算示例,没有表示真实样本体积。
# 示例:8个样本;每样本保留12GiB;同时2个任务各额外需18GiB
samples, retained, active, extra, margin = 8, 12, 2, 18, 30
need = samples * retained + active * extra + margin
print(f"同一文件系统预计需 {need} GiB")
将预算与实际所在文件系统的df可用空间及个人配额比较,不能拿另一块盘的空闲量抵扣。最初只运行一个代表样本,周期采样记录工作盘高水位;结束时du只说明保留量,无法回看已经消失的中间文件。若输入位于远端共享盘,还要观察并发读取是否让总体完成时间变差。
把验收完成与清理授权分开
quickcheck只能发现部分BAM结构问题,不证明嵌合比对参数正确。检测失败先看日志中的参考、染色体和输入错误;候选为空则读取表头与过滤记录,区分成功但无候选和运行未完成。不要通过删除blacklist或调整置信度来掩盖输入不适配。
在负责人确认结果可读、浏览所需BAM已保留且归档校验通过后,再按登记清单决定中间文件去留。官方示例会在排序后删除未排序BAM,但这不自动适用于所有项目。存储不足时先减少不必要副本和并发,再依据真实保留量扩工作盘。
参考资料
需要额外算力时
适用前提:确认必需输入和保留结果后,队列处理中间文件超过工作盘容量。如需额外资源,可评估服务器租赁及按需工作盘或存储。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
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。咨询本任务的服务器配置
