云生信学生物信息学

Liftoff批量注释迁移:参考核对、组装任务与结果验收

作者:发布于 2026-11-22更新于 2026-11-15约 8 分钟阅读
迁移成功还要验结构

迁移成功还要验结构:配对参考注释;逐组装独立运行;保留未迁移清单;核结构与证据
本文操作与检查路径示意。

Liftoff把已有参考的基因结构迁移到目标组装,适合参考同源关系和注释条件经过判断的任务。它不会凭更多CPU自动产生可靠的新基因注释。先固定参考FASTA与GFF/GTF,再对每个目标组装独立运行,记录未迁移与低质量结果。

参考序列和注释先配对

本文按当前官方Liftoff 1.6.3接口。参考注释中的序列ID、坐标、gene—transcript—exon/CDS关系应与参考FASTA对应,目标FASTA也应有唯一序列ID并完成基本组装检查。只看到同物种名称不足以证明两个文件来自同一参考版本。批量前单独预建并验收匹配的REF.fai,随后冻结参考与索引,在共享只读路径复用,避免首次任务临时建索引。非空检查不能替代索引匹配验收。

材料 核对内容 记录方式
参考与GFF 来源、组装、ID及层级 固定发布号与校验值
目标组装 样本、序列身份和长度 每组装独立清单
迁移设置 覆盖、相似度及部分映射策略 同轮比较保持一致
结果 成功、部分、低相似和未迁移 不只统计一个成功百分比

一份目标建立一个新目录

保存为lift_one.sh,在已兼容的Liftoff与minimap2环境运行。示例限定参考包含gene层级;只有exon或transcript的注释需按官方推断选项另作准备。p控制并行比对进程,本例保留默认迁移阈值,正式任务按方案确认,不把降低阈值当成资源优化。

set -euo pipefail
: "${REF:?填写参考FASTA绝对路径}"
: "${GFF:?填写参考注释绝对路径}"
: "${TARGET:?填写本组装FASTA绝对路径}"
: "${THREADS:?填写获配正整数并行数}"
: "${OUT:?填写本组装新输出目录}"
case "$THREADS" in ""|*[!0-9]*) exit 2;; esac
test "$THREADS" -ge 1 || exit 2
test -s "$REF.fai" || exit 2
for file in "$REF" "$GFF" "$TARGET"; do
  case "$file" in /*) ;; *) exit 2;; esac
  test -s "$file" || exit 2
done
test ! -e "$OUT" && test ! -L "$OUT" || exit 2
mkdir "$OUT"
liftoff -V > "$OUT/version.txt" 2>&1
sha256sum "$REF" "$GFF" "$TARGET" > "$OUT/inputs.sha256"
cp "$GFF" "$OUT/reference.gff"
/usr/bin/time -v -o "$OUT/resources.txt" \
  liftoff -g "$OUT/reference.gff" -o "$OUT/lifted.gff3" -u "$OUT/unmapped.txt" \
  -dir "$OUT/intermediate" -p "$THREADS" "$TARGET" "$REF" \
  > "$OUT/run.log" 2>&1
test -s "$OUT/lifted.gff3" && test -f "$OUT/unmapped.txt" || exit 1
awk 'BEGIN{FS="\t"} /^#/ {next}
     NF!=9 || $4!~/^[0-9]+$/ || $5!~/^[0-9]+$/ || $4<1 || $5<$4 {exit 1}
     $3=="gene" {genes++}
     END{if(genes<1)exit 1}' "$OUT/lifted.gff3"
printf '%s\n' COMMAND_AND_BASIC_GFF_OK > "$OUT/status.txt"

扩展为顺序组装清单

assemblies.tsv无表头,两列为唯一组装名和目标FASTA绝对路径;REF、GFF及THREADS先导出为环境变量。下面沿用同一参考逐个运行,最后一行没有换行也处理,失败立即停止整轮。重复组装名会因目录已经存在而拒绝覆盖。

set -euo pipefail
test -s assemblies.tsv || exit 2
mkdir liftoff-batch-001
root="$PWD/liftoff-batch-001"
completed=0
while IFS=$'\t' read -r assembly target || [[ -n "$assembly$target" ]]; do
  case "$assembly" in ""|*[!A-Za-z0-9_-]*) exit 2;; esac
  TARGET="$target" OUT="$root/$assembly" bash lift_one.sh
  completed=$((completed+1))
done < assemblies.tsv
test "$completed" -gt 0 || exit 2

迁移后核对基因结构

COMMAND_AND_BASIC_GFF_OK只是命令与基本九列坐标检查通过。还应核对目标序列范围、唯一ID、Parent层级、外显子/CDS完整性及需要的翻译框。unmapped.txt可以合法为空,不能把空文件视为失败,也不能认为文件非空就说明必须增加算力。

重点查看partial_mapping、low_identity等标记,以及未迁移基因在目标中的证据。未迁移可能涉及组装缺口、序列差异、参考注释或真实生物变化,不能直接报告为基因缺失。额外拷贝搜索属于另一个明确设置,不随手开启后与基础迁移结果直接比较。

记录资源与重试边界

记录参考和目标长度、注释基因数、进程数、墙钟、峰值RAM及中间SAM/FASTA占盘。先验收一个组装,再试少量独立组装重叠;每个任务都有自己的中间文件,不能共用intermediate目录。脚本复制注释到本次目录,因为Liftoff会在注释旁建立数据库,避免并发任务互相覆盖或写入共享参考区。

参考不匹配或层级错误先修材料,依赖和版本问题先修环境,作业被终止再查额度及真实阶段。失败目录保留,新目录重试;参考或参数改变时开启新一轮比较。更强硬件不能替代同源适用性、结构复核和后续注释质量证据。

批次汇总至少列出目标组装、参考基因总数、成功迁移数、部分映射数与未迁移数,并写明各分类是否可能重叠。随机抽查几个多外显子基因的正负链结构,避免只凭基因条目数量接近参考就宣布迁移完成。

需要额外算力时

适用前提:同源参考适用且单组装验证通过,多组装任务需要额外资源。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。

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 ↗