云生信学生物信息学

HISAT2非模式物种索引教程:参考检查、构建与小数据验证

作者:发布于 2026-11-20更新于 2026-11-15约 6 分钟阅读
非模式物种建索引,先区分任务

非模式物种建索引,先区分任务:核对参考来源和唯一ID;新目录记录build峰值;检查完整索引与summary;用小输入验证比对入口
本文操作与检查路径示意。

HISAT2给非模式物种建索引,先区分普通参考索引与加入剪接位点、外显子或变异的图索引。参考大小相同,构建任务也可能不同;不能直接套用别人对人类基因组的内存数字。下面先建立仅含基因组FASTA的基础索引,验证完整性与比对入口,再单独评估注释增强和正式规模。

核对参考,明确本次索引包含什么

准备已验证的未压缩genome.fa,记录组装来源、版本、contig数量与总碱基数。FASTA ID要唯一,保留与后续注释一致的命名。多倍体、haplotig、额外contig或多个组装混装会影响输入范围;是否保留应依据研究目标,不为降低内存随意删序列。

本次条件 应记录 需要另做验证
基础FASTA索引 序列、校验值、版本、参数 完整物种参考与比对可用性
带注释或变异 与组装匹配的ss/exon/SNP等输入 图构建资源与方法效果
小/大索引 实际生成ht2或ht2l 不能混合两套或只复制部分文件
运行额度 CPU、任务RAM、工作盘和时限 不把主机总量当账号配额

使用新目录构建,并保留资源记录

需要预先安装兼容HISAT2及GNU time,在Bash执行。下例2线程仅是试跑设置;先保存本机hisat2-build帮助,核对当前构建入口参数。不要把hisat2搜索参数或旧文档中的同名选项直接搬到build。代码中的FASTA路径必须替换。

set -euo pipefail
reference=/project/reference/genome.fa
test -s "$reference"
mkdir hisat2-build-run1
cd hisat2-build-run1
hisat2-build --version > version.txt
hisat2-build --help > build-help.txt 2>&1
sha256sum "$reference" > reference.sha256
awk '/^>/ {
  id=substr($1,2); n++
  if(id=="" || seen[id]++) {print "invalid or duplicate ID: " id > "/dev/stderr"; bad=1}
} END {if(n<1) bad=1; exit bad}' "$reference"
mkdir index
/usr/bin/time -v -o build.resources.txt hisat2-build \
  -p 2 "$reference" index/genome \
  > build.stdout.log 2> build.stderr.log
hisat2-inspect -s index/genome > index-summary.txt

awk只做头部ID检查,完整FASTA与序列来源仍应预先验证。默认构建器会尝试适配部分内存参数,这不等于操作系统硬限制,也不能保证在任意小额度完成。只有Killed时,按失败时间查询系统或调度记录,区分内存、时限、取消与磁盘写入问题。

不要把容量参数当作无代价开关

bmax、dcv等会改变构建中的时间与内存取舍,默认自动选择通常应作为起点。手动调整前先阅读安装版说明,每次只改一项并保存新目录;不要关掉自动适配后盲目复制陌生参数。构建内存峰值与以后比对时的占用是两项记录,不能相互替代。

HISAT2包装入口会按参考规模选择小或大索引,文件可能使用ht2或ht2l后缀。强制large-index不是降低RAM的通用方法。正式搬运时复制同一前缀的全部组件并核验,不能只看一个文件存在就认为索引完整;保留源FASTA和版本说明,便于后续追溯。

用已知小输入确认索引可读

仍在hisat2-build-run1目录执行下例,面向已质控、配对正确的短读长双端RNA-seq样例。pilot SAM与日志只用于兼容性和基本输出检查,不是完整RNA-seq分析。链特异与其他研究参数要按真实文库决定;缺少注释的基础索引试跑成功,不代表已验证所有剪接或下游目标。

set -euo pipefail
hisat2 -p 2 -x index/genome \
  -1 /data/pilot_R1.fastq.gz -2 /data/pilot_R2.fastq.gz \
  -S pilot.sam > pilot.stdout.log 2> pilot.align.log
head -n 5 pilot.sam
cat pilot.align.log

确认程序正常结束、参考名称对应原FASTA、样本记录与比对摘要可解释。比对率低时先核对物种、参考完整性、reads质量和参数,不靠固定阈值直接判机器合格。需要添加匹配的剪接、外显子或变异信息时,用独立目录另建索引并复测峰值与结果,再根据实际任务选择CPU、内存和工作盘。

需要额外算力时

适用前提:参考与构建路线已确认、环境兼容,实测索引构建存在CPU或内存资源缺口。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 ↗