
HiC-Pro把Hi-C双端FASTQ经过读段比对、有效连接过滤、去重和contact map构建。参数错误有时也能跑完,所以首要任务是让FASTQ、参考基因组、酶切方案和配置互相匹配。以下按官方3.1配置说明演示一个样本试跑。HiC-Pro面向限制性内切酶Hi-C;若是DNase Hi-C、Micro-C或其他无酶切方案,不能直接照搬HindIII示例。
先按实验记录填写配置
从当前安装版本复制config模板,不要从网上随意拿旧版文件。重点逐项核对:
| 参数 | 核对内容 | 为什么重要 |
|---|---|---|
| PAIR1_EXT / PAIR2_EXT | 与R1、R2实际文件名后缀一致 | 避免配错mate或漏读样本 |
| BOWTIE2_IDX_PATH | 索引前缀及配套索引文件完整 | 不是仅填写FASTA路径 |
| REFERENCE_GENOME / GENOME_SIZE | 物种、组装版本、染色体命名一致 | 影响坐标及接触矩阵 |
| GENOME_FRAGMENT / LIGATION_SITE | 对应实际酶种、建库策略和参考组装 | 不匹配会错剪读段或错分有效连接 |
| N_CPU / SORT_RAM | 按节点配额和并发任务设置 | SORT_RAM按线程分配,需防止超内存 |
官方模板中的hg19、HindIII和AAGCTAGCTT只是示例。酶切片段BED应对应所用基因组组装;连接位点要按实验室建库记录确认。无酶切方案应查该版本说明,不能仅替换酶名;官方手册指出未定义LIGATION_SITE时会跳过对应的剪切步骤。先保存配置副本并做差异比较,保留修改理由。
整理成HiC-Pro能识别的样本目录
输入目录应每个样本一个子目录,里面放名称能匹配PAIR1_EXT/PAIR2_EXT的FASTQ。多lane时先确认它们来自同一文库,且按所用版本推荐的方式合并或命名;不要把不同样本的R1/R2放在同一目录。先检查压缩包完整、读段数大致相符、样本映射表正确,再试跑。
set -euo pipefail
raw="$PWD/pilot/rawdata"
out="$PWD/pilot/output"
cfg="$PWD/config-hicpro.checked.txt"
mkdir -p "$raw/S1"
ln -s /data/S1_R1.fastq.gz "$raw/S1/S1_R1.fastq.gz"
ln -s /data/S1_R2.fastq.gz "$raw/S1/S1_R2.fastq.gz"
test -s "$raw/S1/S1_R1.fastq.gz"
test -s "$raw/S1/S1_R2.fastq.gz"
gzip -t "$raw/S1/S1_R1.fastq.gz" "$raw/S1/S1_R2.fastq.gz"
HiC-Pro -h
HiC-Pro -i "$raw" -o "$out" -c "$cfg" > pilot.log 2>&1
命令前先确认 cfg 中Bowtie2索引、参考与注释路径实际可读。输出目录使用新路径;保留配置、FASTQ清单和日志。集群并行模式还需按官方说明分别提交生成的任务脚本,不要把本地运行命令和集群调度命令混为一谈。
检查中间结果和资源,而非只看退出码
试跑完成后查看主日志及mapping、处理、合并、建图和ICE各阶段日志。重点记录读段总数、比对比例、有效pairs、重复比例、cis/trans分布、矩阵是否生成及不同分辨率文件大小。遇到有效pairs接近零,优先查R1/R2配对、连接位点、restriction fragment文件、参考组装和染色体命名;如果流程在排序阶段被系统终止,再查SORT_RAM、线程数和系统OOM记录。
N_CPU是HiC-Pro并行任务的设置,不保证等于整台机器实际占用线程。HiC-Pro手册说明SORT_RAM会按N_CPU分给samtools sort线程,因此提高CPU时也要看每线程内存和作业RAM上限。先用代表性小样本记录墙钟时间、峰值内存和临时盘使用,再估算整批;FASTQ压缩体积不能直接当作临时空间需求。
区分流程成功与实验结论
一个完整输出只能说明流程生成了结果。有效连接率还受建库、酶切、连接、测序质量、去重和过滤参数影响,应与实验记录及同批样本对照。contact map分辨率越高,单个bin支持的有效pairs通常越少;比较样本前要使用相同组装、过滤和归一化方案,并确认各样本在目标分辨率上有足够覆盖。不要为了得到更细矩阵只增加计算资源。
若只重跑失败步骤,先确认所用HiC-Pro版本支持该续跑方式及既有中间文件完整;否则使用新的输出目录,避免混合不同配置的结果。参考:HiC-Pro官方配置模板;HiC-Pro 3.1官方手册;HiC-Pro官方README。
下载练习材料
先核对包内SHA256清单,再在独立目录复现。
需要额外算力时
适用前提:实验与参考设置正确,现有环境或资源无法支持流程。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
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
