云生信学生物信息学

MitoHiFi多样本任务:参考准备、环境验证与结果检查

作者:发布于 2026-11-22更新于 2026-11-15约 6 分钟阅读
MitoHiFi逐样本验收

MitoHiFi逐样本验收:固定匹配参考文件;确认HiFi和遗传密码;逐样本运行独立目录;结合候选与覆盖验收
本文操作与检查路径示意。

MitoHiFi批量运行的关键,是每个样本有匹配参考、正确遗传密码和独立工作目录。它处理PacBio HiFi的线粒体组装与注释,不是把任意长读长数据交给同一命令。本篇固定MitoHiFi v3.2.2发行标签,以两个动物样本的HiFi FASTA为例建立顺序任务。

先验收环境及参考组合

官方说明Conda配方不能独立解决所有依赖,MitoFinder或MITOS等仍需匹配安装。优先使用已经通过该版本官方测试数据的隔离环境,记录容器digest或完整版本清单;能显示帮助不代表组装、注释和绘图链均可用。本篇不在生产环境自动安装或替换依赖。

输入 本例要求 验收
HiFi读段 /data/S1.hifi.fa等FASTA 真实HiFi、样本身份和读段质控
参考 同一accession的FASTA和GenBank 序列、注释、版本匹配
遗传密码 CODE环境变量明确填写 按目标类群核对NCBI表
工作目录 每个样本独立新建 保留所有候选与过程材料

不要把-o误当输出目录

MitoHiFi的-o指定遗传密码表,输出写当前工作目录。先设置MITO_FASTA、MITO_GBK、CODE为已经验证的参考绝对路径及密码编号,再执行下例。四线程只是教学额度;两个样本采用相同参考仅在生物学上适用时成立,不是所有物种通用模板。

set -euo pipefail
: "${MITO_FASTA:?填写参考FASTA绝对路径}"
: "${MITO_GBK:?填写匹配GenBank绝对路径}"
: "${CODE:?填写确认的NCBI遗传密码表编号}"
[[ "$MITO_FASTA" = /* && "$MITO_GBK" = /* ]] || exit 2
[[ "$CODE" =~ ^[1-9][0-9]*$ ]] || exit 2
test -s "$MITO_FASTA"
test -s "$MITO_GBK"
mkdir mitohifi-batch-001
root="$PWD/mitohifi-batch-001"
mitohifi.py --version > "$root/version.txt" 2>&1
for sample in S1 S2; do
  reads="/data/$sample.hifi.fa"
  test -s "$reads"
  mkdir "$root/$sample"
  (
    cd "$root/$sample"
    /usr/bin/time -v -o resources.txt mitohifi.py \
      -r "$reads" -f "$MITO_FASTA" -g "$MITO_GBK" \
      -a animal -t 4 -o "$CODE" > run.log 2>&1
    test -s final_mitogenome.fasta
    test -s final_mitogenome.gb
    test -s contigs_stats.tsv
  )
done

先核对参考序列,再核对最终结果

参考FASTA首条完整序列应与GenBank的同一序列一致,核对accession及版本,不能将相近物种的两个文件随意配对。若从NCBI自动寻找参考,保存这次实际下载的accession与校验值,后续数据库更新可能返回另一个参考。污染或错误类群先纠正,不靠提高线程解决。

运行结束检查final_mitogenome的长度、环化证据、基因完整性、移码提示及注释图;同时阅读contigs_stats、shared_genes和候选序列,确认代表序列的选择理由。覆盖图需与读段证据对应。存在最终FASTA不等于已经排除NUMTs或验证异质性,异常仍要回到候选与支持读段。

没有合适候选与程序报错应分开记录。失败查看比对、hifiasm、注释和绘图分别到哪一步;缺依赖时修复隔离环境并重跑该样本的新目录。若数据实际上是ONT、低质量读段或已有contig路线,应重新选择输入模式和方法,不改文件扩展名绕过。

把多样本预算建立在完整流程上

分别记录读段提取、组装、候选注释和输出检查的完整耗时、作业内存与临时盘。原始核基因组HiFi文件很大,即便最终线粒体只有一份短序列,读取、组装和候选比对也可能占明显资源;不能按最终FASTA估算工作盘。

先完成一个代表样本,再试少量并发;线程数乘样本数不是唯一开销,还需考虑注释子程序、共享I/O和中间文件共存。环境部署交付应包含版本与样例验收,真实样本是否得到可信线粒体结果则是另一项分析验收,不能互相替代。

交接时把每个样本的原始读段校验、参考accession、密码表编号与最终序列放入同一结果索引。两份同名最终FASTA必须能够追溯到各自样本,不能仅靠文件夹显示顺序分配身份。

参考资料

固定发行标签的主脚本内,version常量仍写3.2.1,与README的3.2.2不一致。因此同时记录发行标签、脚本指纹或镜像digest;不能仅凭这条版本输出就判断混装,也不能让它替代完整依赖与样例验收。

需要额外算力时

适用前提:数据与工具适用且需运行多个样本,当前环境或资源不足。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 ↗