
WGBS批量分析先确认建库类型,再固定质控、比对、去重复和甲基化提取路线。下面明确限定常规定向双端亚硫酸氢盐WGBS;PBAT、非定向、RRBS、靶向和其他化学方法要另核对参数。本文按当前Bismark Rust套件的prepare、align、dedup和extract接口,不把旧Perl进程模型当作通用现状。
每个样本先填建库信息
准备配对正确、来源清楚的FASTQ与匹配物种的基因组。需已安装Bismark当前兼容版本、Bowtie2、Trim Galore及FastQC;保存各版本。定向文库是实验事实,不能因为默认参数好跑就假定它定向。参考序列、spike-in和对照组成也应按实验设计确定。
| 项目 | 本例设置 | 其他情况 |
|---|---|---|
| 读段 | paired-end,R1/R2逐条配对 | 单端另改输入与后处理 |
| 建库方向 | directional默认路线 | non-directional/PBAT先按协议选 |
| 去重复 | 常规WGBS位置去重复 | RRBS/扩增子不能直接照搬 |
| 甲基化报告 | 先CpG及M-bias | 非CpG或全C输出另算规模 |
| 验证 | 转化对照、覆盖、重复、偏倚 | 不能只看比对率 |
先准备专用参考,再处理一个样本
GENOME必须是专用且已核对的绝对目录,内含.fa/.fasta参考;prepare会写索引,不指向正在被其他任务修改的共享库。原始reads示例要求文件名为S1_R1.fastq.gz与S1_R2.fastq.gz,以便下面输出命名可直接对应;路径必须替换。
set -euo pipefail
: "${GENOME:?填写已核验参考目录的绝对路径}"
r1=/data/S1_R1.fastq.gz
r2=/data/S1_R2.fastq.gz
test -s "$r1"; test -s "$r2"; test -d "$GENOME"
mkdir S1-wgbs-run1
cd S1-wgbs-run1
bismark --version > bismark.version.txt 2>&1
trim_galore --version > trimming.version.txt
sha256sum "$r1" "$r2" > inputs.sha256
bismark prepare "$GENOME" > prepare.log 2>&1
mkdir qc-before trimmed align tmp dedup extract
fastqc --outdir qc-before "$r1" "$r2"
trim_galore --paired --fastqc --output_dir trimmed "$r1" "$r2" \
> trimming.log 2>&1
test -s trimmed/S1_R1_val_1.fq.gz
test -s trimmed/S1_R2_val_2.fq.gz
bismark align --genome "$GENOME" --multicore 1 --basename S1 \
--output_dir align --temp_dir tmp \
-1 trimmed/S1_R1_val_1.fq.gz -2 trimmed/S1_R2_val_2.fq.gz \
> alignment.log 2>&1
test -s align/S1.bam
先看原始与剪切后质量、接头及保留读数;自动检测接头仍需结合建库记录核对。Trim Galore当前2.x已改变内部实现,保留安装版帮助和报告,不把不同版本的默认行为当作完全一样。multicore=1也不表示整条比对只用一个CPU,资源应按实际进程测量。
保持配对相邻,再提取甲基化
仍在运行目录执行。这里使用Bismark直接输出的成对相邻BAM,不在去重复前做坐标排序;如果已经被排序或第三方处理,先按官方要求恢复read-name分组并核对配对。不要为了给BAM建索引而破坏这条后处理前提。
set -euo pipefail
: "${GENOME:?同一参考目录绝对路径}"
bismark dedup -p --bam --outfile S1 --output_dir dedup \
align/S1.bam > deduplication.log 2>&1
test -s dedup/S1.deduplicated.bam
bismark extract -p --gzip --bedGraph --cytosine_report \
--genome_folder "$GENOME" --multicore 1 --output_dir extract \
dedup/S1.deduplicated.bam > extraction.log 2>&1
find extract -maxdepth 1 -type f -print
验收与批量扩展
确认每阶段退出成功,检查比对/去重复报告、M-bias、覆盖分布和转化对照。CpG百分比不能自动证明转化正常;需要按实验实际对照评估。是否忽略read两端偏倚,依据M-bias与协议另作设置,不复制任意–ignore数字。
bedGraph默认零基起点、终点为一基;coverage默认一基坐标且包含甲基化与未甲基化计数,合并注释前核对格式。全C报告远大于CpG,确有研究目标再开启。批量时每样本独立目录,已准备且固定的参考可复用,不逐样本重建;失败、空结果和未验收样本单列,全部通过后再进入组间分析。
批量样本表同时记录实验文库
为每行保存样本ID、实验文库ID、R1、R2、建库方向、参考、输出目录和验收状态。多个lane若属于同一实验文库,应按方法正确合并并保留配对顺序后统一处理重复,不把它们当独立生物学重复。不同实验文库是否合并需按研究设计决定,不能因为文件名相似就混在一起。
扩批前先核对样本表无重复路径、R1/R2未颠倒、同一输入没有被两行重复使用。单样本通过只能证明该配置的运行链已检查,正式批次仍逐行确认退出状态与报告,不能用最后一个完成任务代替全批验收。
参考资料
需要额外算力时
适用前提:原始数据与流程明确,批量任务超出现有能力。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
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
